广东省人民医院肺癌专病库数据数据作为一种多模态医学数据集，包含经临床确诊为肺癌的患者，诊断结论符合肺癌相关临床诊断标准；临床诊疗过程中完成病理检查（含组织病理、细胞学病理等各类肺癌相关病理检测类型），具备完整的病理检查原始记录和报告的病人，涵盖2021年至2025年期间共计35270条数据。通过自然语言处理等技术实现文本病历结构化，支撑肺癌精准医疗研究。本数据集通过创新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肺癌病例，对病历文本进行清洗与医学分词 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肺癌专业词典，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，便于核验。（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，由医生复核并添加并发症诊断信息。 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、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.作为肺癌病理相关科研的核心数据来源，可满足回顾性研究、前瞻性研究、队列研究等多种科研需求。支持按病理类型、分子标志物、病理分期等结构化字段进行精准数据筛选与批量提取，为肺癌发病机制研究、病理特征与临床疗效相关性分析、新诊疗技术 / 药物的临床研究提供高质量、规范化的数据集，大幅降低科研数据整理与清洗的成本。 2.患者病理分型、分子检测结果、组织学特征等结构化数据，辅助医生制定个体化诊疗方案、评估病情进展及预后效果；同时可依托历史病理数据，为疑难肺癌病例的病理诊断、鉴别诊断提供参考依据，提升临床诊疗的精准性与效率。

zy**860 呼吸与危重症医学科病区 1 58 浸润性腺癌 2023年4月 pa**779 "（左舌支肺组织）浸润性腺癌，腺泡及实性生长方式。 " 2 1 3 4 3 1 1 1 1 0 1 0 1 1 1 1 0 无 0 0 0 1 1 1 1 0 0 2 0 6 2 - + + + + + + + - - + + + + + + - - + + + - + - - + + + + + + + + + + - - + + + - + 0 0 0 0 0 1 1 1 1 无 zy**456 肺内三科 1 57 非小细胞癌 2023年4月 pa**032 （右上肺）分化差的癌，考虑为非小细胞癌，待免疫组化协助诊断。 0 1 1 5 3 0 0 1 0 1 1 0 1 0 1 1 0 无 0 0 0 1 0 1 1 0 0 1 0 8 1 - - + - + + - - - + - - - - - - - + - - - - + - + - - - + + - - + - - - + - - - - + 0 0 0 0 0 0 1 0 1 无 mz**472 东川乳腺门诊 2 附件下载

short_text 病案号 fpatient_id short_text 科室名称 dept_name option 男（1） pat_sex option 女（2） pat_sex short_text 年龄 pat_age short_text 检查日期 pa_date short_text 病理号 pa_no long_text 病理诊断 pa_diag single_dropdown pTNM分期：T option T1a 原发肿瘤最大径≤1cm，局限于肺 和脏层胸膜内，未累及主支气管； 或局限于管壁的肿瘤，不论大小（0） diag_t_opaf option T1b 原发肿瘤最大径>1cm，≤2cm，其他同 T1a（1） diag_t_opaf option T1c 原发肿瘤最大径>2cm，≤3cm（2） diag_t_opaf option T2a 原发肿瘤最大径>3cm，≤4cm；或 具有以下任一种情况：累及主支气 管但未及距隆突；累及脏层胸膜； 伴有部分或全肺、肺炎肺不张（3） diag_t_opaf option T2b 肿瘤最大径>4cm，≤5cm