乳腺X线检查报告结果分析数据

基于乳腺 X 线检查报告的结构化分析数据集，可围绕医疗诊疗、健康管理、临床科研、保险风控四大核心领域，落地全链条、可落地的商业与临床应用场景：在体检机构端，可基于数据集的乳腺 X 线评估等级、影像学异常指标、左右总风险值等核心数据，实现受检者乳腺筛查的批量风险分层与智能分诊，秒级完成低 / 中 / 高风险的自动化分级，匹配标准化诊疗随访路径，大幅压缩人工报告解读时间，消除主观解读偏差，适配体检中心大流量筛查需求，实现乳腺疾病的早诊早治；在临床诊疗端，可面向乳腺外科科室，通过患者乳腺 X 线结构化数据与数据集同类型病例的精准匹配，为临床医生提供相似病例的诊疗路径、病理结果与预后情况等循证参考，同时基于数据集的风险值计算模型，辅助量化评估乳腺病变的恶性风险，制定个性化诊疗与术后复发监测方案，缩小不同层级医院的诊疗水平差距，提升诊疗精准度与患者长期生存率；在科研端，可依托该大样本真实世界数据集，开展乳腺疾病流行病学特征分析、乳腺病变恶性风险 AI 预测模型优化、乳腺筛查策略卫生经济学研究等工作，填补区域乳腺疾病流行病学研究数据空白，加速诊断技术的临床转化，为国家乳腺疾病防控策略、免费筛查政策1、乳腺 X 线检查风险分层算法，将受检者分为需进一步检查、低风险、中风险、高风险4 类；2、将表格中结构化字段转化为可计算的标准化变量：是否检查，C=1（是）、C=0（否/ 不详）；X线评估-左/右，Lgrade/Rgrade取值：(0,1,2,3,4,5,6)（对应 BI-RADS 分级）；肿块-左/右，Lmass/Rmass=1（有）、Lmass/Rmass=0（无）；肿块-左/右-可疑钙化，Lcalc-sus/Rcalc-sus=1（有）、Lcalc-sus/Rcalc-sus=0（无）；肿块-左/右-结构絮乱，Lstruct/Rstruct=1（有）、Lstruct/Rstruct=0（无）；钙化-左/右，Lcalc/Rcalc=1（有）、Lcalc/Rcalc=0（无）；Ld/Rd为肿块最大径，其中Ld/Rd根据Ld/Rd=0、0＜Ld/Rd≤5、5＜Ld/Rd≤10、10＜Ld/Rd≤10、Ld/Rd＞20分别得出L（d）/R（d）值（0-4）；3、根据相对应项目的权重比例进行计算，其中w1=0.5（Lgrade/Rgrade）、w2=0.2【L（d）/R（d））】、w3=0.15（Lcalc-sus/Rcalc-sus）、w4=0.1（Lstruct/Rstruct）、w5=0.05（Lcalc/Rcalc），将w1-w5相加得出单侧风险，将左右两侧风向相加，得出左右总风险；4、分层标准及临床建议：左右总风险=0，需进一步检查（评估不完全，建议补充乳腺超声 / MRI）、左右总风险≤1，低风险（1-2 年常规复查乳腺 X 线）、1<左右总风险≤4，中风险（6 个月复查乳腺 X 线 + 超声）、左右总风险>4，高风险（立即行超声引导下穿刺活检明确病理）；5、使用目的：自动将完成检查的人群划分为不同风险等级，精准指导随访周期与进一步检查路径，避免过度医疗或漏诊。

搜集汇总

背景与挑战

背景概述

该数据集包含1548条乳腺X线检查报告的结构化数据，涵盖了BI-RADS分级、肿块特征、钙化等字段，并内置风险分层算法。基于权重计算左右总风险，可将受检者自动划分为需进一步检查、低、中、高风险四个等级。数据集主要服务于体检机构的批量筛查分诊、临床诊疗的个性化方案制定以及乳腺疾病流行病学与AI预测模型等科研工作。