i2b2 n2c2临床NLP数据集
i2b2/n2c2提供去标识化临床文本任务数据，可用于移植相关疾病文本抽取、药物识别和临床概念标注方法开发。 数据包含真实病例或专家标注信息，适用于围绕相关疾病开展模型训练、表型抽取、影像识别、分割、预后评估或临床自然语言处理等研究。
基本信息
资源简介
i2b2 n2c2临床NLP数据集
【一句话概览】
n2c2 数据集源自 Partners Healthcare 研究患者数据登记处的非结构化笔记，最初在 i2b2 项目期间开发，目前暂时无法获取。2019 挑战赛的赛道 1（临床语义文本相似度）和赛道 2（家族史抽取）可通过 Mayo Clinic 直接获取。这些临床自然语言处理数据集大多最初由 NIH 资助的 i2b2 创建，涵盖 2006 至 2018 年间去标识化、吸烟、肥胖、药物、关系、共指、时间关系、心脏病、临床试验队列筛选及不良药物事件等任务（来源 portal.dbmi.hms.harvard.edu）。
【数据集背景】
本数据集源站标题为《n2c2 NLP Research Data Sets》。
【数据内容】
源站原始描述：Unstructured notes from the Research Patient Data Registry at Partners Healthcare (originally developed during the i2b2 project). Temporarily Unavailable. The n2c2 datasets are temporarily unavailable. If you are trying to access data from the 2019 Challenge, tracks 1 (Clinical Semantic Textual Similarity) and 2 (Family History Extraction) are available directly through Mayo Clinic. The majority of these Clinical Natural Language Processing (NLP) data sets were originally created at a former NIH…
中文译文（机器翻译，仅供快速理解，请以原文为准）：来自Partners Healthcare研究患者数据注册库的非结构化笔记（最初在i2b2项目期间开发）。暂时不可用。n2c2数据集暂时不可用。如果您试图访问2019年挑战赛的数据，赛道1（临床语义文本相似度）和赛道2（家族史提取）可直接通过Mayo Clinic获取。这些临床自然语言处理（NLP）数据集中的大多数最初创建于一个由NIH资助的前国家生物医学计算中心（NCBC），名为i2b2：整合生物学与床边的信息学。关键引文的链接提供如下。2006 - 去标识化与吸烟 - 评估自动去标识化的最新技术水平 - 从医疗出院记录中识别患者吸烟状态 2008 - 肥胖 - 在稀疏数据中识别肥胖与共病 2009 - 药物 - 从临床文本中提取药物信息 - 为i2b2药物挑战赛生成金标准的社区标注实验 2010 - 关系 - 2010年i2b2/VA挑战赛：临床文本中的概念、断言和关系 2011 - 共指 - 评估电子病历共指消解的最新水平 2012 - 时间关系 - 评估临床文本中的时间关系：2012年i2b2挑战赛 - 在临床叙述中标注时间信息 2014 - 去标识化与心脏病 - 创建新的临床叙述纵向语料库 - 用于纵向临床叙述去标识化的自动化系统：2014年i2b2/UTHealth共享任务赛道1概述 - 为去标识化标注纵向临床叙述：2014年i2b2/UTHealth语料库 2018（赛道1） - 临床试验队列选择 - 临床试验的队列选择：n2c2 2018共享任务赛道1 2018（赛道2） - 不良药物事件与药物提取 - 2018年n2c2共享任务：电子健康记录中的不良药物事件与药物提取 i2b2中心于2004年至2014年设在波士顿的Partners HealthCare System，在首席研究员Isaac Kohane医学博士、哲学博士和执行主任Susanne Chu…
【主题与分类】
主题标签：Clinical NLP、Unstructured clinical notes、De-identification、Smoking、Obesity、Medication、Relations、Coreference、Temporal Relations、Heart Disease。
【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://portal.dbmi.hms.harvard.edu/projects/n2c2-nlp/
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://portal.dbmi.hms.harvard.edu/projects/n2c2-nlp/
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
i2b2/n2c2提供去标识化临床文本任务数据，可用于移植相关疾病文本抽取、药物识别和临床概念标注方法开发。
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。
