COVID共享学习数据（CDSL）：一个包含住院COVID-19患者电子健康记录和胸部影像的多模态公开可访问数据集

《Scientific Data》：COVID Data for Shared Learning (CDSL): a multimodal publicly accessible dataset of electronic health records and chest imaging from hospitalized COVID-19 patients

　　

摘要

全面、高分辨率且准确的数据集对于推进COVID-19研究至关重要。然而，大多数疫情早期数据集仅限于人口统计数据及稀疏的临床信息，通常缺乏诊断影像学检查。我们提出了用于共享学习的COVID-19数据集（CDSL），这是一个西班牙COVID-19住院患者的多模态公开数据库。该数据集包含来自4,479个住院记录的去标识化医疗数据，这些记录通过不同的patient_id值表示，涵盖包含人口统计学、入院信息、诊断、临床和治疗信息的电子健康档案，以及放射学图像，具体包括来自1,616个住院记录的4,608张X光图像和来自784个住院记录的1,440,156张CT切片图像。通过移除受保护的医疗信息，实施了全面的匿名化技术以确保患者隐私，并进行了广泛的技术验证以确认数据完整性、内部一致性和图像转换质量。用于数据预处理、元数据提取和数据库部署的开源代码已公开提供，以支持可重复性和社区驱动的改进。在疫情初期，CDSL被共享以支持及时的COVID-19研究，并成为国际研究界最早公开可访问的多模态COVID-19数据集之一。CDSL旨在通过共享临床数据促进全球合作，推进医疗研究并推动个性化医疗和公共卫生领域的创新。