HEG-TKG：面向罕见病推理的分层证据锚定时间知识图谱 论文一可复现性包（v1.0.0）

数据集获取

源站：https://doi.org/10.5281/zenodo.19763337

标准获取流程：

1. 访问源站链接，注册/登录账号；
2. 进入数据集详情页，按页面指引申请权限或直接下载；
3. 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。

数据集大小约 4.7 MB。

数据说明

本数据集是手稿《临床人工智能中的溯源缺口：面向罕见病推理的证据可追溯时间知识图谱》（Ahmed等，投稿于npj Digital Medicine，2026年）的配套可复现性资源包。该资源包涵盖复现论文定量结论所需的全部材料，按三组进行组织。源数据与图谱。36个经临床医生验证的临床场景，涵盖三对表型易混淆的罕见神经肌肉疾病（杜氏/贝克尔肌营养不良；重症肌无力/兰伯特-伊顿肌无力综合征；CIDP/吉兰-巴雷综合征）。三个时间知识图谱，包含5,481个节点、6,316条有PMID支持的边、1,280个疾病轨迹里程碑以及987个唯一来源PMID，以JSON、CSV和Neo4j兼容的Cypher导入脚本形式发布。三个评估分支（HEG-TKG、Vanilla LLM、Guideline-RAG）共108个模型输出，均使用相同的合成模型（GPT-4.1，T=0）。评估材料。一份由四名评估者（两名资深委员会认证神经科医生、一名神经科住院医师和一名医学信息学家）在五个评估维度上生成的155行综合临床医生评分CSV。

LLM作为评判者的结果涵盖三种配置：v1盲评、v2引用感知和v3五维度，跨三个提供商。一项包含15个案例的反事实安全性实验，附全局结果摘要。引用审计。对所有198个唯一被引PMID进行Type-I PubMed验证。对200个分层（主张，PMID）对进行Type-II逐主张自然语言推理审计（1.0%明确矛盾，99.0%非矛盾）。头条数字可从该数据包100%复现。Type-I PMID可验证性100%（198/198个被引PMID经PubMed E-utilities验证）。Type-II非矛盾率99.0%（95% CI 97.5–100.0%；n=200 NLI审计）。三臂临床特征覆盖率：HEG-TKG 0.717，Vanilla 0.743，Guideline-RAG 0.688（Mann-Whitney p > 0.10）。来源缺口：HEG-TKG 0.366 vs Vanilla 0.743 / Guideline-RAG 0.688。临床医生D1可验证性广告

数据加载示例（图像类）

from PIL import Image
import glob, os

files = (glob.glob(os.path.join(path, "**", "*.png"), recursive=True)
       + glob.glob(os.path.join(path, "**", "*.jpg"), recursive=True)
       + glob.glob(os.path.join(path, "**", "*.tif"), recursive=True))
print("图像文件数:", len(files))
img = Image.open(files[0]); print("尺寸/模式:", img.size, img.mode)

# torchvision Dataset 方式:
# from torchvision import datasets
# ds = datasets.ImageFolder(path)  # 要求 子目录=类别

目录组织与标注格式以源站说明和下载后实际文件为准。