HemOnc知识库
HemOnc知识库是关于系统性抗癌药物和方案的标准化数据集，遵循OMOP通用数据模型，包含核心表和附加表，持续更新。
基本信息
资源简介
HemOnc知识库
【一句话概览】
本数据集是 Dataverse 公开的结构化表格数据集，收录 7 个文件、合计 84.71 MB，主题涵盖 Neoplasms、Controlled vocabulary、Computer and Information Science、Medicine, Health and Life Sciences、Ontology，可用于统计建模、特征工程与队列分析。
【数据集背景】
本数据集源站标题为《HemOncKB》。源站首次发布：2021-01-12。
【数据内容】
源站原始描述：The HemOncKB describes data and metadata related to systemic anticancer drugs and regimens. The core HemOncKB tables follow the OMOP Common Data Model format and specifications. Additional ancillary tables provide more complex data structures which are not easily represented in OMOP. The first version of the HemOncKB was introduced in May 2019. Since then, additions have been made approximately quarterly; the version date of each core OMOP table is contained within the file name. Ancillary table…
中文译文（机器翻译，仅供快速理解，请以原文为准）：HemOncKB 描述了与全身性抗癌药物和方案相关的数据和元数据。HemOncKB 的核心表遵循 OMOP Common Data Model 格式和规范。额外的附属表提供了更复杂的数据结构，这些结构不易在 OMOP 中表示。HemOncKB 的第一个版本于 2019 年 5 月推出。此后，大约每季度进行一次增补；每个核心 OMOP 表的版本日期包含在文件名中。附属表在文件名层面未标注版本；所有表中的所有行均具有记录添加日期的管理性元数据。
【数据结构与技术规格】
文件数 7 个，合计 84.71 MB。数据集 DOI：doi:10.7910/DVN/FPO4HB。
【主题与分类】
主题标签：Neoplasms、Controlled vocabulary、Computer and Information Science、Medicine, Health and Life Sciences、Ontology。
【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://dataverse.harvard.edu/dataset.xhtml?persistentId=doi:10.7910/DVN/FPO4HB
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://dataverse.harvard.edu/citation?persistentId=doi:10.7910/DVN/FPO4HB
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。
