一、综合性疾病数据库
MalaCards
- 数据内容：集成21,787种疾病的症状、基因、药物、临床试验等信息，支持罕见病和复杂疾病查询 。
- 获取方式：
- 直接访问官网 https://www.malacards.org 手动下载；
- 通过Python爬虫解析本地保存的HTML页面（需点击“Show All”获取完整数据） 。
- 注意：需处理反爬机制，建议下载本地页面后解析。
GeneCards Suite
- 关联数据库：包含GeneCards（基因功能）、MalaCards（疾病）、PathCards（调控网络）等，提供疾病与基因的关联分析 。
- 适用场景：研究疾病遗传机制或药物靶点。
二、医学影像与临床数据集
医学影像数据集集锦（GitHub）
- 数据内容：收录80+个公开医学影像数据集，涵盖肝脏、肺部等器官的CT/MRI数据，标注类型包括分割、分类等。
- 获取方式：
- 通过GitHub项目 linhandev/dataset 查看列表；
- 部分数据集提供Aistudio不限速下载链接（如LiTS、Sliver07）。
国家人口健康科学数据中心
- 数据内容：汇交人口健康领域的科学数据，包括疾病调查、临床记录等 。
- 获取方式：需通过官网 https://www.ncmi.cn 提交数据汇交申请或查询公开数据集。
三、药品与疾病关联数据
丁香园医疗数据开放平台
- 数据内容：提供药品说明书、疾病科普、医院信息等结构化数据，覆盖210万+医生用户画像 。
- 适用场景：药品研发或医保核赔等商业分析。
- 接口服务：支持通过API获取数据（需注册开发者账号） 。
无码科技药品数据库
- 数据内容：收录17万+药品详细信息，包括适应症、禁忌、药理毒理等。
- 获取方式：通过API查询（如“盐酸二甲双胍片”的完整说明书）。
四、健康医疗大数据平台
浪潮健康医疗大数据平台（HDSP 2.0）
- 数据内容：整合区域医疗数据，支持疾病分布、资源分配等分析，适用于公共卫生研究。
- 获取限制：需与平台合作（如政府或医疗机构）申请数据权限。
北京大学健康医疗大数据平台
- 数据内容：包含多源异构临床数据（如NCIS医疗质量数据），支持高性能计算分析 。
- 适用场景：学术研究需通过伦理审查并申请访问 。
五、其他工具与注意事项
- 爬虫技术建议：
- 针对反爬网站（如GeneCards），可优先下载本地页面再解析 ；
- 使用Python库（如BeautifulSoup）提取HTML中的表格数据 。
- 合规性：
- 遵循《人类遗传资源管理条例》等法规，避免敏感数据滥用 ；
- 商业用途需获得平台授权（如丁香园API） 。