广东省人民医院结直肠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 / 细胞学检查确诊为结直肠癌（结肠腺癌 / 鳞癌、直肠腺癌 / 鳞癌、结直肠腺鳞癌等病理类型）的患者，通过自然语言处理等技术实现文本病历结构化，支撑结直肠癌精准医疗研究，涵盖2021年到2025年期间共计6656条数据。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：筛选经临床确诊、具备完整病理报告的结直肠病例，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4大部分整合到同一张表格。 2.数据分析处理：（1）对组织学类型、基因突变、TNM分期、治疗方案等术语进行归一化并构建结直肠词典，由算法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，结果均经过专业医生复核。（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标准化的出院诊断（如结直肠癌、腺癌等），由医生复核。 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，校验并排查分期与侵犯范围、检查数目、转移数目等的逻辑矛盾，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.与当前患者病理类型、分化程度、浸润转移特征匹配的既往病例，结合库中整合的治疗方案、疗效反馈、不良反应数据，为患者制定更贴合的手术、化疗、靶向 / 免疫治疗方案，减少诊疗试错成本。 2.开展病理类型与疗效相关性、分化程度对预后的影响、脉管侵犯与复发转移的关联等回顾性研究，无需重新收集原始数据，大幅缩短研究周期，且数据的标准化性提升研究结果的可信度。

zy**132 肝胆外科病区 2 39 中分化腺癌 2023年4月 （横结肠）中分化腺癌。 8 8 0 10 1 1 0 1 1 1 1 0 1 1 0 1 0 1 0 1 1 1 1 0 1 1 0 1 1 0 0 4 0 0 1 1 0 1 1 0 1 1 0 1 1 0 1 1 0 1 1 0 0 1 1 0 0 0 0 0 0 2 1 1 0 1 1 4 0 0 0 + + + + + 0 0 0 0 0 1 1 1 1 无 zy**554 胃肠外科病区 2 75 乙状结肠腺癌 2023年4月 "1.（乙状结肠）腺癌，中分化。 2.（直肠）增生性息肉。" 8 1 1 3 1 0 1 1 0 1 0 1 1 0 1 1 1 1 1 1 0 1 0 1 1 0 1 1 0 0 1 2 0 0 1 0 1 1 0 0 1 0 1 1 0 0 1 0 1 1 0 0 1 1 0 0 0 0 0 0 0 2 1 0 1 1 0 2 0 0 0 - - - - - 0 0 0 0 0 0 1 0 1 无 mz**009 东川神经内科门诊 2 69 结直肠癌 2023年4月 附件下载

short_text 病案号 fpatient_id short_text 科室名称 dept_name single_choice 性别 option 男（1） pat_sex option 女（2） pat_sex short_text 年龄 pat_age long_text 出院诊断 diag_out short_text 检查日期 pa_date long_text 病理诊断 pa_diag single_dropdown pTNM分期：T option Tx（0） diag_t_opaf option T0（1） diag_t_opaf option Tis（2） diag_t_opaf option T1（3） diag_t_opaf option T2（4） diag_t_opaf option T3（5） diag_t_opaf option T4（6） diag_t_opaf option T4a（7） diag_t_opaf option T4b（8） diag_t_opaf single_dropdown pTNM分期：N