Inpatient Pathway Decision Support (IPDS)

IPDS数据集是由香港中文大学电子工程系开发，基于MIMIC-IV数据库构建而成，包含51,274个病例，跨越9个临床科室、17个疾病类别和16种标准化治疗选项。该数据集整合了患者的人口统计信息、放射学报告和病史，为临床决策支持提供了全面的数据基础，旨在促进大型语言模型在住院患者路径决策支持中的应用研究。

The IPDS dataset was developed by the Department of Electronic Engineering at The Chinese University of Hong Kong, and constructed based on the MIMIC-IV database. It contains 51,274 patient cases spanning 9 clinical departments, 17 disease categories, and 16 standardized treatment options. This dataset integrates patient demographic information, radiology reports, and medical history, providing a comprehensive data foundation for clinical decision support, and aims to facilitate applied research on Large Language Models (LLMs) for inpatient care pathway decision support.

搜集汇总

数据集介绍

构建方式

Inpatient Pathway Decision Support (IPDS) 数据集基于 MIMIC-IV 数据库构建，涵盖了 51,274 个病例，涉及 9 个分诊科室、17 种主要疾病类别以及 16 种标准化治疗方案。数据构建过程中，研究者通过国际疾病统计分类系统将 1,298 种原始疾病标签重新分类为 17 个更广泛的类别，并整合了人口统计信息、放射学报告和病史等关键临床数据。数据筛选和整合过程严格遵循去标识化协议，确保患者隐私和数据完整性。

特点

IPDS 数据集的特点在于其全面性和多样性。它不仅涵盖了广泛的疾病类别和治疗方案，还包含了丰富的临床信息，如人口统计信息、放射学报告和病史等。这些数据为复杂的住院路径决策提供了全面的支持，尤其适用于评估大型语言模型在住院场景中的表现。此外，数据集的多部门覆盖和标准化治疗方案使其能够有效避免评估偏差，并为临床决策支持系统的开发提供了坚实的基础。

使用方法

IPDS 数据集的使用方法主要围绕三个核心任务展开：分诊、诊断和治疗。分诊任务要求模型根据患者的症状、病史和紧急程度将其分配到合适的科室；诊断任务则要求模型利用人口统计信息、放射学报告和病史等数据，识别具体的疾病或病情；治疗任务则旨在根据患者的具体需求和病情严重程度，选择适当的治疗方案。通过这三个任务的评估，IPDS 能够全面测试模型在住院路径中的表现，并为临床决策支持系统的优化提供数据支持。

背景与挑战

背景概述

Inpatient Pathway Decision Support (IPDS) 数据集由香港中文大学电子工程系的研究团队于2025年开发，旨在解决住院患者临床路径中的复杂决策问题。该数据集基于MIMIC-IV数据库，涵盖了51,274个病例，涉及9个分诊科室和17种主要疾病类别，并提供了16种标准治疗方案。IPDS的创建填补了现有医学基准数据集在住院患者临床决策支持方面的空白，尤其是在多维度临床信息整合和复杂决策场景中的应用。该数据集通过引入多智能体框架（MAP），显著提升了大型语言模型（LLMs）在住院患者路径中的诊断和治疗支持能力，为医疗人工智能的发展提供了重要的数据基础。

当前挑战

IPDS数据集在构建和应用过程中面临多重挑战。首先，住院患者临床路径的复杂性要求模型能够处理多维度的临床信息，包括人口统计学数据、影像学报告和病史记录，这对模型的推理能力和信息整合能力提出了极高要求。其次，现有的大型语言模型在住院场景中的表现不佳，诊断准确率普遍低于60%，表明其在复杂临床决策中的局限性。此外，数据集的构建过程中，如何从海量的电子健康记录中筛选出与住院路径相关的关键信息，并确保数据的临床合规性和隐私保护，也是重要的技术挑战。这些挑战推动了多智能体框架（MAP）的开发，以提升模型在住院路径中的表现。

常用场景

经典使用场景

Inpatient Pathway Decision Support (IPDS) 数据集广泛应用于住院患者的临床路径决策支持系统中，尤其是在多科室协作的复杂临床环境中。该数据集通过整合患者的电子健康记录（EHR）、影像学报告和病史信息，支持从分诊、诊断到治疗的完整临床路径。其经典使用场景包括急诊科、重症监护室（ICU）和外科等科室，帮助医生在时间紧迫的情况下做出准确的临床决策。

衍生相关工作

IPDS 数据集衍生了一系列经典工作，尤其是在多智能体协作框架（MAP）的开发和应用中。MAP 框架通过分诊、诊断和治疗三个临床智能体的协作，显著提升了住院路径的决策支持能力。此外，IPDS 还推动了基于大语言模型的医学决策支持系统的研究，促进了诸如 HuatuoGPT2-13B 等医学专用模型的优化和改进。这些工作为未来的住院路径系统开发提供了重要的参考和基础。

数据集最近研究

最新研究方向

近年来，随着大型语言模型（LLMs）在医疗领域的广泛应用，住院路径决策支持系统（IPDS）的研究逐渐成为热点。IPDS数据集通过整合MIMIC-IV数据库中的大量临床数据，涵盖了51,274个病例，涉及9个科室和17种主要疾病类别，为住院路径的复杂决策提供了全面的支持。最新的研究方向集中在多智能体框架（MAP）的开发与应用上，该框架通过引入分诊、诊断和治疗三个临床智能体，显著提升了住院路径的决策准确性。实验表明，MAP在诊断任务中的准确率比现有最先进的LLM提升了25.10%，并在临床合规性上优于三名认证临床医生10%-12%。这一进展不仅为住院路径系统的开发奠定了基础，也为未来在复杂临床环境中应用AI技术提供了新的思路。

相关研究论文

• MAP: Evaluation and Multi-Agent Enhancement of Large Language Models for Inpatient Pathways

  香港中文大学电子工程系 · 2025年