introduction
我们构建了 “林洪生教授辨治 NSCLC 真实世界门诊病例标准化数据集”（TCM4NSCLC）。该数据集来源于长期从事中西医结合肺癌诊疗的专家门诊，系统记录了患者人口学信息、西医诊断与分期、病理与实验室检查、影像学报告、症状、舌苔、脉象，以及原始中药处方与中成药等多模态临床信息。所有数据均经严格脱敏、去噪、去重与质量控制，确保可用性与隐私合规。
数据集具有以下特点：
- 大规模与全周期覆盖：收录 3,790 条标准化结构化病例，涵盖从初期干预、加载治疗到巩固维持的完整中医药治疗链条。
- 细颗粒度标注：对疾病、药物、检查、舌脉、症状等 10 类命名实体进行标注，支持分类、生成、推理、多模态理解等任务。
- 任务导向与可共享：采用统一格式与编码体系，支持多种 AI 建模任务，计划开源共享，促进学术界和产业界的共建合作。
- 多维验证：通过数据质控、基线建模及专家评审，验证其在科研与临床应用中的可靠性与适用性。
TCM4NSCLC 不仅是名老中医临床智慧传承的数字载体，更是让中医药能够参与现代肿瘤精准医疗对话的科学语言。通过这一数据集，我们旨在为临床研究和机模型训练提供坚实基础，推动中医药在 NSCLC 精准医疗中的循证化、智能化与国际化发展。
baseline
自动评估
对各大语言模型在 TCM4NSCLC 数据集上的表现进行分析，涵盖中药方剂生成任务（严格匹配与宽松匹配）以及中成药推荐任务。主要评价指标包括 Precision、Recall、F1 分数、Jaccard 相似度，以及中成药推荐准确率和平均药物数（avg_herb_num）等。
【实验结果表明】：TCM4NSCLC 数据集所设计的两类任务不仅具备良好的模型区分度与性能可衡量性，同时对语言模型的知识感知与诊疗推理能力具有显著挑战性。不同架构与参数规模的模型在药物成分、剂量控制、标签生成等方面表现出明显差异，进一步验证了该数据集在中医结构化建模、个体化治疗评估以及提示调优等方向的广泛适用性与研究价值。
人工评估
为评估模型生成结果的临床合理性与可解释性，我们邀请 3 位中医专家从 7 个维度对测试集中模型输出的中药处方与中成药推荐结果进行盲审打分，满分为 10 分。
- Downloads last month
- 4