【数据集团一周年】国资公司丨北京数据集团上新医疗高质量数据集 覆盖医学文献、药学、临床等领域

国资公司所属北京数据集团旗下京数公司推出医学期刊文献、英文药品说明书、中文药品说明书、国家临床路径数据集，可支撑医疗NLP开发、医学RAG知识库构建、药学智能问答研发、科研挖掘、医疗大模型微调与效果评测等工作，服务AI科技公司、医疗AI厂商、制药企业、高校院所及医疗机构研发团队， 为医疗AI技术创新、 产品迭代与医学科研攻坚提供高质量数据底座。

医学期刊文献数据集

本数据集为大规模医学科研论文语料库，收录全球经过同行评议的公开医学研究文献，包含元数据与原文，是生物医药科研文本挖掘、医学智能检索、医疗大模型研发的基础语料。

核心优势

27年长周期数据，具备完整的多年连续科研文献资源。

21个专科全覆盖，兼顾头部热门学科与小众垂类科室。

JSONL结构化元数据，省去大量PDF解析、数据清洗的工程成本。

真实多标签标注，贴合医学论文跨学科的现实特点。

医学RAG与智能检索

医学问答与证据归纳

医学NLP模型训练

科研数据挖掘

模型微调与预训练

英文药品说明书数据集

【免费开放且持续更新】

本数据集源自FDA备案的公开药品标签文档，采用标准化格式存储，可作为可信数据源。

核心优势

FDA备案官方药品标签，可信度高。

SPL标准化XML格式，预处理成本低。

覆盖人用药、动物药、疫苗、原料药等多类医药产品。

支持全量快照+增量更新，适配知识库长期迭代维护。

主要应用场景

药学知识库建设

用药RAG问答系统

药学NLP任务

模型评测与微调

药学科研情报分析

中文药品说明书数据集

本数据集为面向国内药品信息检索与知识库构建的混合型结构化数据集，集合国内药品说明书核心信息，兼顾结构化字段与自然语言文本。

核心优势

海量数据覆盖处方药、OTC、特殊管控药品。

适应症、不良反应、禁忌、特殊人群用药等临床高价值字段完备。

按药品性质分目录组织，便于研发人员快速圈定样本集合。

原生JSON结构化输出，大幅降低数据预处理工作量。

覆盖化学药品与中成药两大体系，支撑多元化药学模型研发与科研分析。

主要应用场景

中文药学知识库搭建

中文药学问答与RAG应用

中文药学NLP任务

药品数据统计分析

科研实验与模型评测

国家临床路径数据集

【免费开放且持续更新】

本数据集为国内住院诊疗标准化的规范语料，由中华医学会依据国家官方文件公开发布。数据以病种为单位，每份路径同时包含自然语言诊疗规范与按住院日拆解的路径表单，覆盖诊断依据、检查、用药/手术、出院标准与变异处理等领域。

核心优势

权威性高，适合作为诊断大模型的知识源。

“病种—诊断—检查—治疗—出院”的诊疗链路完整。

绑定ICD编码与中华医学会指南，便于与电子病历、编码系统、指南RAG对齐。

覆盖内科药物治疗与外科手术路径，同时兼顾综合医院与基层医疗诊疗应用。

免费公开下载，配套清单可快速做病种检索与样本圈定，原文采用Word文档存储，结构化抽取成本低。

医疗诊断大模型知识注入

临床路径Agent或住院SOP编排

医嘱与检查推荐

ICD编码与病种标准化

医疗AI安全护栏

基层与分级诊疗

增值服务

针对以上数据集，京数公司可按需提供多样化定制加工服务，包括

多类数据格式适配与转换输出、子集定向筛选、嵌套数据扁平化、专项字段定向提取、数据清洗、专项标注、数据扩充、行业场景定制

等。

未来，京数公司将持续深耕医疗数据领域，助力医疗AI产品商业化落地，赋能医学科研创新、临床诊疗标准化及医疗智能化升级。