广东省人民医院乳腺癌专病库数据数据作为一种多模态医学数据集，包含经病理组织学 / 细胞学检查确诊为乳腺癌的患者，包含原发、复发、转移性乳腺癌病人，通过 NLP 等技术实现文本病历结构化，支撑乳腺癌精准医疗研究。涵盖2021年至2025年的数据，数据量10557条。本数据集通过整合文本和影像模态的互补信息，可全面提升疾病诊断的准确性与全面性，推动精准医疗发展，并为AI模型训练及模态间转换提供数据支持，有助于降低医疗成本。

1.数据清洗与标准化：筛选经病理/细胞学确诊的乳腺癌患者病历，涵盖原发、复发及转移、具备完整病理报告的乳腺癌病历作为原始数据，对病历文本进行清洗与医学分词，将病理诊断、病理分期、免疫组化和影像学检查整合到同一张表格 2.数据分析处理：（1）基于乳腺癌临床分期指南，构建专用算法模型，自动解析报告中关于肿瘤侵犯范围的自由文本描述，自动解析原始数据中的自由文本描述，将其准确映射为国际标准的TNM分期代码，结果经过专科医生复核，实现自由文本向可计算数据的转化。（2）病理诊断保留医生原文，作为诊断参考，便于复核。（3）根据病理诊断及各项检验检查结果得出符合乳腺癌WHO分型的出院诊断（如乳腺浸润性癌、导管原位癌等），并由专业医生审核。 3.隐私数据脱敏：彻底去除患者姓名、ID等个人标识，对住院号/门诊号进行模糊化处理，将检查号替换为不可逆的32位UUID，日期保留至年月（yyyy-mm）。 4.数据质量校验：建立跨文本逻辑比对规则，校验并排查分期的逻辑矛盾，产出为高度结构化、字段标准化、可直接支持临床科研与精准医学研究的专病数据集。

1.医生接诊乳腺癌患者（初诊 / 复诊 / 疑难病例）时，通过专病库检索同病理类型、同免疫组化指标、同分期的既往确诊患者数据，快速调取结构化字段（如相似病例的手术方式、化疗 / 靶向 / 内分泌治疗方案、疗效评价、随访结果），同时一键联动调阅对应病例的原始病历（病程记录、手术记录）、病理报告、影像数据（乳腺 MRI / 钼靶 DICOM 原图、全身转移灶 CT 影像），通过相似病例的诊疗经验参考 + 原始数据的细节验证，为当前患者制定个体化诊疗方案提供数据支撑；针对复发 / 转移性疑难病例，可通过库内多维度字段筛选（如 HER-2 扩增型、三阴性乳腺癌），快速定位同类病例的诊疗方案及疗效结局，辅助临床决策，提升诊疗精准度。 2.开展乳腺癌相关科研课题（如不同免疫组化类型乳腺癌的疗效对比、新辅助化疗方案的有效性研究）时，科研人员通过专病库多维度结构化字段组合筛选（如按 “浸润性导管癌 + ER 阳性 + PR 阳性 + Ki-67<30%”“三阴性乳腺癌 + 术后辅助化疗” 等条件），快速定位符合课题入组标准的病例，自动统计病例数量、基线特征，无需手动逐份收集病历，大幅提升课题立项效率。

mz**115 东川普通科间会诊门诊 69 乳腺浸润性癌 2023年4月 （左乳2点肿物1）乳腺浸润性癌，Ⅱ级，免疫组化结果和最终分型请参见病理报告2322925。 8 2 1 2 6 无 2 0 0 0 1 0 1 0 1 7 无 0 0 0 0 0 0 0 0 0 0 1 0 0 0 1 0 0 0 0 0 1 0 1 0 1 无 zy**436 乳腺肿瘤科 37 乳腺浸润性癌 2023年4月 "（乳腺肿物）乳腺浸润性癌，Ⅱ级，非特殊类型。 备注：穿刺组织，肿瘤成分少，分级供参考，最终分级请结合手术标本。" 9 0 0 2 13 无 2 0 0 0 1 1 1 0 1 0 无 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 无 zy**861 乳腺科 22 导管原位癌 2023年4月 （左乳）乳腺高级别导管原位癌并累及小叶；建议各切5张白片行免疫组化检测进一步明确有无浸润。 7 0 1 6 3 无 1 0 0 0 1 0 1 0 2 7 无 0 0 0 0 0 0 0 0 0 0 0 0 0 0 15 1 1 1 0 0 0 0 附件下载

short_text 病案号 fpatient_id short_text 科室名称 dept_name short_text 年龄 pat_age short_text 检查日期 pa_date long_text 病理诊断 pa_diag option T0（未见癌）（0） dp_tnm_t option Tis（1） dp_tnm_t option Tis（DCIS）（2） dp_tnm_t option Tis（LCIS）（3） dp_tnm_t option Tis（Paget's）（4） dp_tnm_t option T1（最大径≤2.0cm）（5） dp_tnm_t option T1mi（最大径≤1mm）（6） dp_tnm_t option T1a（1mm＜最大径≤5mm）（7） dp_tnm_t option T1b（5mm＜最大径≤10mm）（8） dp_tnm_t option T1c（10mm＜最大径≤20mm）（9） dp_tnm_t option T2（10） dp_tnm_t option T3（11） dp_tnm_t