查看“PMC”的源代码

{{Infobox
| bodystyle    = width: 300px; float: right; clear: right; margin: 0 0 1em 1em; border: 1px solid #a2a9b1; background: #f9f9f9;
| abovestyle   = background: #e0e0e0; font-size: 110%; font-weight: bold; text-align: center;
| headerstyle  = background: #eeeeee; font-weight: bold;

| above        = PubMed Central
| image        = 

| label1       = 英文缩写
| data1        = '''PMC'''

| label2       = 维护机构
| data2        = [[NIH]] 下属的 NLM

| label3       = 上线时间
| data3        = 2000年2月

| label4       = 核心特征
| data4        = '''免费全文''' (Free Full Text)

| label5       = 收录文章数
| data5        = > 930 万篇 (2024年)

| label6       = 法律依据
| data6        = NIH 公共获取政策<br>(Public Access Policy)

| label7       = 对AI价值
| data7        = 医疗[[大模型]]训练的<br>最大全文语料库
}}

'''PubMed Central'''（简称'''PMC'''），是由美国国家医学图书馆（NLM）运营的一个免费的、永久性的生物医学和生命科学期刊文献数字档案库。

与 [[PubMed]] 不同（PubMed 主要提供摘要），PMC 提供'''全文'''（Full Text）访问。它是全球开放科学（Open Science）运动的里程碑。所有由美国国立卫生研究院（[[NIH]]）资助的研究成果，在发表后必须强制上传至 PMC 供公众免费阅读。<ref name="PMC_About" />

== PMC 与 PubMed 的关键区别 ==
这是初学者最容易混淆的概念，但对于数据工程师至关重要：

* '''PubMed''' = '''搜索引擎'''（类似 Google）。
** 它包含超过 3600 万条记录，但绝大多数只展示标题和摘要（Abstract）。
** 如果您想看全文，通常需要点击链接跳转到出版商（如 Nature, Elsevier）的网站，而那里通常有付费墙（Paywall）。

* '''PMC''' = '''数字图书馆'''（类似书架）。
** 它存储的是文章的物理文件（XML/PDF）。
** 在 PMC 里的每一篇文章，您都可以直接免费下载全文。
** ''关系''：PMC 收录的所有文章都能在 PubMed 里搜到，但 PubMed 里搜到的文章只有一部分（约 1/4）存放在 PMC 里。

== 核心数据集：PMC Open Access Subset ==
对于您的“智慧医生”AI 项目，这是最有价值的部分。
* '''定义'''：PMC 中有一部分文章不仅免费阅读，还允许'''机器挖掘'''（Text Mining）和二次使用。这就是 '''PMC Open Access Subset'''。
* '''规模'''：包含数百万篇结构化良好的 XML 格式全文。
* '''用途'''：这是目前训练医疗垂直大模型（LLM）最核心的全文语料库。
** ''摘要 vs 全文''：仅训练摘要，AI 只能学会“结果”；训练全文，AI 才能学会“方法”和“逻辑推理”。例如，具体的药物配方、实验步骤、[[不良事件]]的详细描述，通常只存在于全文的“方法”或“讨论”章节中。

== 法律与政策背景 ==
PMC 的快速壮大得益于强有力的政策推动：
* '''NIH 公共获取政策 (2008)'''：美国法律规定，凡是拿了 NIH 经费（纳税人的钱）做出来的研究，必须在发表后的 12 个月内，将最终审稿手稿（Author Manuscript）上传到 PMC。<ref name="NIH_Policy" />
* '''Plan S (欧洲)'''：类似的开放获取计划也在欧洲推行，催生了 PMC 的姊妹站点 '''Europe PMC'''。

== 对 AI 药物研发的意义 ==
* '''挖掘负面结果'''：很多药物研发的失败案例（Negative Results）隐藏在全文的图表或附件中。通过挖掘 PMC 全文，AI 可以帮助药企避免重复前人的失败路径。
* '''多模态学习'''：PMC 文章中包含大量病理切片、CT 影像和图表。这是训练多模态 AI（既能看图又能读文）的最佳数据源。

== 参见 ==
* [[PubMed]]
* [[MEDLINE]]
* [[NIH]]
* [[开放获取]] (Open Access)
* [[自然语言处理]] (NLP)

== 参考资料 ==
<references>
<ref name="PMC_About">National Library of Medicine. (2023). PMC Overview. [https://www.ncbi.nlm.nih.gov/pmc/about/intro/]</ref>
<ref name="NIH_Policy">National Institutes of Health. (2008). NIH Public Access Policy Details. [https://publicaccess.nih.gov/]</ref>
</references>

[[Category:数字图书馆]]
[[Category:生物信息学]]
[[Category:开放获取]]