GGPONC
基于德国肿瘤学临床实践指南的大型德语语料库，用于临床决策支持系统。
基本信息
资源简介
GGPONC
【一句话概览】
GGPONC 基于半结构化数据构建，这些数据也是德国癌症协会指南应用的基础，因此包含高质量、经人工整理的科学文本。除纯文本外，还提供丰富的元数据，如证据等级或文献引用。医学专家已对所有文本手动创建了 Findings、Substances 和 Procedures 实体类别的标注（受 SNOMED CT 概念模型启发），共获得超过 20 万条实体标注，可用于训练机器学习模型。语料库 2.0 版本同时提供了基线模型（来源 leitlinienprogramm-onkologie.de）。
【数据集背景】
本数据集源站标题为《German Guideline Program in Oncology NLP Corpus (GGPONC)》。
【数据内容】
源站原始描述：GGPONC is based on the semi-structured data, which also form the basis of the guideline app of the German Cancer Society. As a result, it contains high-quality curated scientific text documents. In addition to the plain text data, we provide extensive metadata, e.g. relating to evidence levels or literature references. For all texts, medical experts have manually created annotations for the entity classes Findings, Substances and Procedures (inspired by the SNOMED CT concept model). We have obta…
中文译文（机器翻译，仅供快速理解，请以原文为准）：GGPONC基于半结构化数据，这些数据同样构成了德国癌症学会指南应用的基础。因此，它包含了高质量精选的科学文本文件。除纯文本数据外，我们还提供了丰富的元数据，例如与证据等级或文献引用相关的信息。对于所有文本，医学专家已手动为实体类别“发现”、“物质”和“程序”（灵感来源于SNOMED CT概念模型）创建了注释。我们已获得超过20万条实体注释，可用于训练机器学习模型。基线模型随语料库2.0版一同提供。
【主题与分类】
主题标签：oncology、clinical practice guidelines、German、NLP、text corpus、annotations、Findings、Substances、Procedures、SNOMED CT。
【适用方向】
文本类数据可用于医学自然语言处理，如命名实体识别、信息抽取与文本分类。
【获取与许可】
源站页面：https://www.leitlinienprogramm-onkologie.de/projekte/ggponc-english/
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。
暂未开放有偿下载
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://www.leitlinienprogramm-onkologie.de/projekte/ggponc-english/
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:
数据说明
GGPONC是一个基于德国肿瘤学临床实践指南的大型德语语料库，由德国肿瘤学会运营。该数据集不包含患者信息，提供文献引用和证据级别等丰富元数据，旨在解决德语医学文本资源稀缺问题，并为临床决策支持系统提供机器可读的指南版本。
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。
