一、采购标的 1. 疾病：肺癌、结直肠癌、胃癌、胰腺癌 2. 数量：5,000例 3. 时序：每例覆盖时间跨度≥3年（优先5年），必须包含“确诊前追溯 → 确诊 → 治疗 → 随访结局”完整临床轨迹。 4. 模态：全文本病历 + 原始影像(DICOM) + 全切片病理(WSI) + 原始组学(FASTQ/BAM)。 二、交付标准 1. 文本不截断：所有病历文书必须提供 100%完整原文（full_text），严禁截断或摘要替代。 2. 影像不删减：CT必须提供“平扫+全部实际增强期相”及“厚薄层全量”原始DICOM；报告提及“对比前片”必须同步提供被对比的既往影像及报告。 3. 微观可追溯：病理报告、WSI（H&E必需）、IHC、组学（FASTQ优先）必须通过标本ID精准绑定，杜绝错配。 4. 全局索引：必须提供统一的文件索引表（file_manifest）和患者级数据看板（dataset_meta），确保跨模态数据可检索、不脱节。 三、POC前置 正式交付前须先提供 ≥20例（覆盖全部4个病种）的POC数据，跑通全链路验证，包括： 1． 确诊前→确诊后影像链追溯 2． CT平扫+多期增强的DICOM完整性 3． 病理报告、WSI、组学之间的标本级关联 4． TNM分期、治疗记录及随访结局的完整呈现

一、总体规模与结构 1. 总数据量：12 万条。 2. 模态结构：LLM（文本）9.6 万条（80%） + VLM（图文多模态）2.4 万条（20%）。 3. 内容结构： 1）临床医疗类（8.4万条，占70%）：覆盖全科、内科、外科、妇产、儿科、皮肤、急诊/感染、药学、肿瘤、精神心理及其他专科（共11个细分场景）。 2）泛健康类（3.6万条，占30%）：覆盖营养饮食、减重管理、运动健康、睡眠健康、慢病生活方式、体检异常管理（共6个细分场景）。 二、数据格式与字段要求 所有数据必须严格脱敏，不得包含任何患者个人隐私信息。 1. 文本类病历（7个核心字段）：一般资料、主诉、现病史、既往史、查体、辅助检查、初步诊断。 2. 多模类病历（在文本类基础上增加8个字段）：资料类型、资料原始信息（图片/文件）、检查部位/对象、检查方式、检查时间、图片顺序/序列、检查报告、数据完整性说明。 三、数据质量与验收指标 1. 基础完整性：字段完整率 ≥98%；科室/场景标签完整率 100%；去重率 100%（与历史集/公开集/供应商重复样本去重）。 2. 可用性指标：样本可判定率 ≥95%（问题与答案需客观清晰，能判定对错/好坏）；OCR 可用率 ≥95%；图片可读率 ≥98%。 3. 安全与风险：风险等级标签完整率 ≥98%（高风险不可缺失）；高风险样本禁忌点完整率 100%。 四、验收红线 出现以下四类问题直接判定为不合格： 1. 医学事实严重错误 2. 用药禁忌错误 3. 特殊人群（儿童/孕产/老人）错误 4. 急症风险漏标

一、 队列构建与时序节点 1.每位入组患者必须包含至少 3次 完整的临床就诊记录（涵盖门诊、急诊或住院病历），以支撑长时序的病情演变分析。 2. 索引时间：患者首次处方或使用 抗抑郁药 的日期。 3. 基线数据：索引时间前一年内最近一次的门急诊病历，以及同期的检验检查结果与抑郁量表评分。时间不超过1年。 4. 时间跨度：自索引时间后，患者的整体临床观察与随访时间跨度必须 ≥1年。 二、 数据内容 1. 基本信息：性别、年龄、已知过敏史、主诉等。 2. 临床诊断：主要诊断与次要诊断 3. 治疗方案 （1）药物：精准记录抗抑郁药和非抑郁药的用药天数及详细用法用量（需包含单次剂量、给药频次、具体服药时间，示例：一次4粒，一日2次，早晚各一次）。 （2）非药物干预：记录同期接受的物理或心理治疗（如心理治疗、重复经颅磁刺激(rTMS)、电休克治疗、迷走神经刺激、针灸等）。 4. 实验室检查与量表评估 （1） 检验检查：肝肾功能、血常规、甲状腺功能、药物浓度、心电图等常规及专科检查。 （2）抑郁量表评估：至少包含以下一种量表的评分记录，至少有3个时间节点的评估结果 ① PHQ-9（患者健康问卷抑郁量表） ② HAMD-17项 / HAMD-24项（汉密尔顿抑郁量表） ③ MADRS（蒙哥马利-阿斯伯格抑郁评定量表） ④ SDS（抑郁自评量表） 5. 安全性与不良事件 详细记录治疗期间或随访期发生的具体不良事件（AE）、药物不良反应（ADR），以及新发的伴随疾病（如失眠等），及其临床处理措施。

一、采购范围 1. 目标省份：仅限广东省、广西壮族自治区、浙江省。 2. 城市等级：仅限一二线城市。 3. 医院等级：二级甲等及以上（含三级甲等、三级特等医院）。 4. 医院数量：每个目标城市需覆盖 ≥5家 符合条件的综合医院，不限科室。 5. 单省数据量：≥20万条 二、数据内容 1. 数据类型：真实住院/门诊病历（含历史归档数据），覆盖内科、外科、妇产科、儿科、肿瘤科、急诊科等主要科室。 2. 数据内容： 2.1. 病史：主诉（含现病史）、既往史、个人史（含家族史、过敏史等） 2.2. 体格检查：生命体征、专科查体 2.3. 辅助检查：（验、影像、病理、胃镜、肠镜、心电图、超声等结果报告） 2.4. 医嘱：长期医嘱、临时医嘱 2.5. 护理：体温单 2.6. 病案文书：住院病案首页、入院记录、出院记录、手术记录等 三、数据质量 1. 完整性：每份病历核心字段（主诉、诊断、治疗）缺失率 ≤ 5%。 2. 准确性：诊断与检查结果逻辑自洽，无前后矛盾。 3. 时效性：病历日期在2015年1月1日至今。 4. 多样性：同一医院内，不同病种分布均匀，单一病种占比不超过 20%。 四、 交付方式 数据集或API接口交付。

一、数据内容范围 1. 医学教科书：国家级规划教材、教育部/卫健委推荐教材、权威学会主编专科教材（如人卫版《内科学》《外科学》《妇产科学》等）章节全文，含图表、病例、参考文献。中文优先，英文权威教材可单独报价。 2. 临床指南/共识：中华医学会各分会、国家卫健委、NCCN、ESC、AHA、WHO、CSCO等权威机构发布的指南、共识、临床路径、专家建议全文，含修订历史与证据等级说明。 3. 公开发表的医学综述文章 4. 药物说明书：国家药监局（NMPA）、FDA、EMA批准的药品说明书全文，含适应症、用法用量、禁忌、不良反应、药理毒理、临床试验数据等 二、版权与来源要求 1. 授权合法性：所有文本须具备明确、可追溯的合法使用授权。严禁使用爬虫抓取、未授权转载、版权状态存疑或来源不明材料。 2. 授权证明：供应商需提供授权协议关键页、公开许可声明（如CC协议）、出版社/学会直采凭证或转授权链条文件 三、结构化程度要求 1. 格式：机器可读的PDF（非扫描版、含OCR层、支持文本/表格/公式抽取）或XML（含标签结构），附带结构化元数据文件 2. 信息抽取支持：文档应至少支持以下内容的自动化提取：  章节/段落标题  表格、列表  参考文献  术语、定义、推荐级别（如有）等 四、时效性要求 1. 指南与综述文章：必须注明版本号、期刊、发表年份、卷、页码等。建议优先选用近5年内发布的版本。 2. 教科书：应注明出版社、版次、出版年份。若无新版，需注明所使用版次及出版时间。 3. 药物说明书：须注明核准日期、修订日期或印刷日期，并确认未被后续版本取代。 五、其他 1. 同一知识点若存在多版本文献，优先采用最新且引用较高的版本。 2. 鼓励标注文档来源URL、DOI、ISBN等唯一标识，便于溯源与批量管理。 3. 提供10份样本样例。

一、数据来源与时限 • 来源：公立三甲医院，具备规范的病理诊断流程与质量控制体系 • 时间：最近5年 • 病例：肿瘤/癌前病变/炎症性疾病，优先肺癌、乳腺癌、胃癌、结直肠癌、宫颈癌等 二、数据内容与格式 2.1 病理切片图像 • HE染色切片：全视野扫描图像（≥40×），附低倍预览图+高倍分块索引，≥50000例 • 免疫组化：含Ki-67、HER2、ER、PR、PD-L1、EGFR等（≥40×），附染色强度（0/1+/2+/3+）及阳性细胞百分比（0–100%），≥10000例 2.2 细胞病理涂片 • TCT液基细胞学：宫颈/体腔积液涂片（≥300dpi），附TBS分类报告（NILM/ASC-US/LSIL/HSIL等），≥10000例 • FNA细针穿刺：甲状腺/淋巴结/乳腺等部位涂片（≥300dpi），附Bethesda分级或细胞形态描述，≥10000例 2.3 分子检测 • 基因检测结果：EGFR、KRAS、BRAF、ROS1、ALK等基因，及MSI、TMB指标，注明检测方法（PCR/NGS/FISH等），≥3000例 • 图像类检测：FISH/CISH等需同步提供诊断图像（≥300dpi） 2.4 病理报告文本 • 诊断描述：含良恶性分级、组织学分级（G1–G3）、TNM分期、切缘状态、脉管浸润等核心字段，可附脱敏原始PDF 三、合规要求 1. 来源合法 2. 严格脱敏

一、采购内容：字典类型范围包括以下10类： 1. 检验名称 2. 检验指标 3. 检查名称 4. 手术名称 5. 中医诊断 6. 中医证候 7. 西医诊断 8. 中药饮片 9. 西成药 10. 操作治疗（如推拿、针灸等） 二、对数源单位要求 1. 区域优先：山东、上海优先 2. 医院类型：综合型医院 3. 医院数量：3～5家 三、数据时限要求：最近10年左右 四、 交付要求 1. 交付周期：合同签订后 2周内 2. 数据格式：Excel 3. 数据交付方式：出域 4. 医学标注：不需要临时标注，直接提供已归一化数据 5. 合规要求：需提供授权 五、字段要求 每个字典至少包含以下字段： 1. 序号：唯一标识 2. 医院字典名称：原始字典名称 3. 归一名称：标准化后的名称 4. 医保名称：医保目录对应名称 5. 医保编码：医保目录对应编码 六、验收与样本要求 1. 验收标准：字段结构符合上述要求即可，采购方不额外提供模板 2. 样本样例：每个字典需提供100条数据作为样例 3. 数据缺少部分字典 / 未归一 / 无医保信息，单独沟通

1. 疾病：见附件 2. 例数：每种疾病各10例 2. 字段：如基本信息（图片/拉框/诊断/主诉/专业描述/推理/皮损/大小/颜色/边界/界限/年龄/部位/干湿度/鳞屑/形状/排列）等 3. 数据质量要求： 图片合格率100% 诊断合格率95% 推理合格率95% 字段合格率95%