贵州日报天眼新闻 | 大数据国家工程研究中心：打造高质量中医药数据集
编者按：近日，贵州日报天眼新闻关注报道大数据国家工程研究中心打造高质量中医药数据集情况，详情如下：
复诊疗效跟踪、中医康复个性化诊疗、中医方剂配伍规律挖掘……日前，在由提升政府治理能力大数据应用技术国家工程研究中心（以下简称大数据国家工程研究中心）打造的“中医药可信数据空间”里，既有数据集产品超市，也有对接产业需求的数据需求榜单。
随着数据产品持续迭代、资源体系不断完善，“中医药可信数据空间”汇聚高质量数据集，已经成为专业化、标准化的中医药数据“智慧集市”，而“中医药（苗药）高质量数据集构建平台”正是这一“智慧集市”的核心生产引擎。
“让大模型真正具备合格中医的水平和经验，构建高质量数据集是关键。”大数据国家工程研究中心相关负责人说，为加强优质数据供给，研究中心从采集数据架构选型、数据接入到应用落地的全链关键点，找到高效解决方案，研发“中医药（苗药）高质量数据集构建平台”，全面提升了数据处理能力、数据标注精度及两者的协同能力。
高质量数据集的产生，需历经采集、清洗、标注、质检等多道工序的精细打磨，并依赖持续的反馈迭代与评估优化，方能最终成型。
“中医药（苗药）高质量数据集构建平台”可谓底层数据的“精炼工厂”。它以Ray分布式计算架构为底座，通过流批一体数据处理框架，实现多源异构数据的高效采集、汇聚与融合，并同步联动智能化标注环节，有效解决多源数据格式不统一、处理效率低、数据标注质量参差不齐等行业痛点。
采集数据是基础。“中医药（苗药）高质量数据集构建平台”接入古籍文献库、临床病例库、药材和舌像库等多个数据源，已汇聚超10T中医药文本与图片多模态数据，破解数据资源分散与匮乏问题。
在海量数据储备的基础上，高效汇聚、融合处理、统一规范及精准标注，是激活数据价值的核心环节。大数据国家工程研究中心以机器预标注、双人交叉标注，结合智能算法辅助与人工精准校验，通过专业标注工具完成数据标准化建设，实现10000张图片、12000条文本数据的规范化标注，标注准确率高达95%，实现高效标注。
“基于质检图与标本馆海量白术图像，对药材的色泽、大小、杂质及虫咬霉变等外观特征进行精准标注，用于药材质量检测模型训练，以实现对不同等级、缺陷、产地及批次白术的智能识别。”在中医药（苗药）高质量数据集构建平台上，大数据国家工程研究中心工作人员演示对白术数据集的打磨。
“中医药（苗药）高质量数据集构建平台”将海量沉寂的中医（苗医）药数据深度盘活，把名医主观经验系统性地转化为可量化、可复用、可训练的标准化数据集产品，从根本上解决了通用大模型辨证开方不准、民族医药经验难以传承等系列问题。
经典名方配伍功效数据集、糖尿病和胃炎等专科病案数据集……大数据国家工程研究中心目前已在平台上建成药材、古籍、诊疗3个中医药领域高质量数据集，构建起涵盖方剂配伍、辨证诊断、智能配方、病案研究等核心维度的中医药数据资源体系，满足不同业务需求。
平台生产的标准化、可复用的高质量数据集矩阵，既为AI模型训练输送精准“燃料”，又为新药研发与临床决策等场景提供坚实支撑，让数据集正在转化为驱动医药产业高质量发展的新质生产力。
