数据-知识联合检索平台
数据-知识联合检索平台数据集面向肿瘤精准医疗，是在统一标准化后的综合知识与证据库。数据来源于 OncoKB、CIVIC、CGI、PMKB 等公开证据库，以及 FDA、NMPA、NCCN 官方平台和国内外临床试验注册网站…
基本信息
资源简介
数据-知识联合检索平台
【一句话概览】
本数据集是 国家基础学科公共科学数据中心 公开的结构化表格数据集，收录 12 个文件、合计 6.71 MB，主题涵盖 医学证据、基因组学、搜索引擎、临床试验、肿瘤学，可用于统计建模、特征工程与队列分析，审批后共享 许可开放获取。
【数据集背景】
源站首次发布：2025-12-29。
【数据内容】
源站原始描述：数据-知识联合检索平台数据集面向肿瘤精准医疗，是在统一标准化后的综合知识与证据库。数据来源于 OncoKB、CIVIC、CGI、PMKB 等公开证据库，以及 FDA、NMPA、NCCN 官方平台和国内外临床试验注册网站；FDA 证据涵盖自 2006 年起，NMPA 自 2020 年起，并随上游库持续更新。数据以 10 个 xls 表存储，分别描述基因、变异、肿瘤、药物、疗效证据、文献来源、临床试验及其间关联关系，每表设有唯一 ID，通过 tumor_id、gene_symbol、var_id、therapy_id、drug_id 等字段联结，构建“肿瘤-基因/变异-证据-治疗-药物-临床试验-文献”的完整链路。基因命名统一采用 HGNC，变异经 COSMIC 标准化，肿瘤按 OncoTree 分类，药物对齐 NCIt 术语，保证多源数据语义一致、可追溯。该数据集可支持证据快速检索、知识图谱构建、方案推荐和临床试验匹配，为肿瘤精准用药提供结构化数据基础。 数据格式：xls、docx。
中文译文（机器翻译，仅供快速理解，请以原文为准）：数据-知识联合检索平台数据集面向肿瘤精准医疗，是在统一标准化后的综合知识与证据库。数据来源于 OncoKB、CIVIC、CGI、PMKB 等公开证据库，以及 FDA、NMPA、NCCN 官方平台和国内外临床试验注册网站；FDA 证据涵盖自 2006 年起，NMPA 自 2020 年起，并随上游库持续更新。数据以 10 个 xls 表存储，分别描述基因、变异、肿瘤、药物、疗效证据、文献来源、临床试验及其间关联关系，每表设有唯一 ID，通过 tumor_id、gene_symbol、var_id、therapy_id、drug_id 等字段联结，构建“肿瘤-基因/变异-证据-治疗-药物-临床试验-文献”的完整链路。基因命名统一采用 HGNC，变异经 COSMIC 标准化，肿瘤按 OncoTree 分类，药物对齐 NCIt 术语，保证多源数据语义一致、可追溯。该数据集可支持证据快速检索、知识图谱构建、方案推荐和临床试验匹配，为肿瘤精准用药提供结构化数据基础。数据格式：xls、docx。
【数据结构与技术规格】
文件数 12 个，合计 6.71 MB。
【主题与分类】
主题标签：医学证据、基因组学、搜索引擎、临床试验、肿瘤学、药学。
【适用方向】
结构化表格数据可直接用于统计建模、特征工程与队列分析。
【获取与许可】
源站页面：https://nbsdc.cn/general/dataDetail?id=6952a5b5195d266fa53fe87a&type=1
使用许可：审批后共享。
规范引用：CSTR:16666.11.nbsdc.Gl9VKJt4
下载信息
注册下载
需要注册 Kaggle 账号并登录后下载，适合需要跟踪下载记录和使用 API 的用户。
暂未开放公开下载
无需注册即可直接获取公开样本或文档，适合快速预览和评估数据集质量。
免登录有偿下载
公开数据集受托下载与技术交付服务。
提供高速下载与技术交付服务（收技术服务费，非数据销售）
暂未开放当前数据集主要来源为 Kaggle 公开托管，完整影像包建议通过原始链接或 Kaggle API 获取。
使用方式
数据集获取
源站：https://nbsdc.cn/general/dataDetail?id=6952a5b5195d266fa53fe87a&type=1
标准获取流程：
- 访问源站链接，注册/登录账号；
- 进入数据集详情页，按页面指引申请权限或直接下载；
- 部分平台提供 SDK，例如：
- OpenDataLab:
pip install openxlab后openxlab.dataset.get(...) - ModelScope:
pip install modelscope后modelscope download - 天池: 登录后页面提供直链下载
以源站「数据下载/使用文档」页面为准。
- OpenDataLab:
数据加载示例（表格/文本类）
import pandas as pd, glob, os
files = (glob.glob(os.path.join(path, "**", "*.csv"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.tsv"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.xlsx"), recursive=True))
print("数据文件:", files)
df = pd.read_csv(files[0])
print(df.shape); print(df.columns.tolist()); print(df.head(3))
数据缺失？
依托陕西、四川两大基地，我们与超过十家三甲医院建立直接合作关系，覆盖合规授权、采集治理、专业标注、数据交付的全流程，为AI医疗团队提供即拿即用的高质量临床数据。
⚡️ 需要数据支持或标注服务？立即联系我们获取专业方案。
![成釉细胞瘤，未特指型 - 女性，75岁 - 组织图像 [816073002701551]](/medical-api/medicalDataset/datasetCover/14406.jpg)
