xpertsystems/hconc013-sample

HC-ONC-013是一个合成数据集，专注于免疫治疗（检查点抑制剂）响应队列，来自XpertSystems.ai合成数据工厂的肿瘤学垂直领域（SKU 13）。该数据集包含500名患者的单表队列，覆盖8种癌症类型（如非小细胞肺癌、黑色素瘤、肾细胞癌等）和8种检查点抑制剂药物（包括抗PD-1、抗PD-L1、抗CTLA-4及联合疗法），具有全面的预测性生物标志物面板（如PD-L1表达、肿瘤突变负荷、微卫星不稳定性等）、11个器官系统的免疫相关不良事件（irAE）配置文件（使用CTCAE v5.0分级）、RECIST 1.1响应评估（包括假性进展和超进展标志）、ctDNA动态变化以及生存终点（如无进展生存期、总生存期）。数据集设计用于免疫治疗结果分析、irAE风险建模、预测性生物标志物发现、生物标志物分层响应分析和检查点抑制剂序列研究，同时保持100%合成性，无真实患者数据或隐私风险。数据以CSV格式提供，包含128列，分为9个模块（如人口统计学、肿瘤生物标志物、治疗分配、irAE模拟等），并经过校准以匹配行业标准试验数据。HC-ONC-013 is a synthetic dataset focusing on an immunotherapy (checkpoint inhibitor) response cohort, derived from the XpertSystems.ai Synthetic Data Factorys oncology vertical (SKU 13). The dataset includes a single-table cohort of 500 patients, spanning 8 cancer types (e.g., NSCLC, melanoma, RCC) and 8 checkpoint inhibitor agents (including anti-PD-1, anti-PD-L1, anti-CTLA-4, and combination therapies), with a comprehensive predictive biomarker panel (e.g., PD-L1 expression, tumor mutational burden, microsatellite instability), 11 organ-system immune-related adverse event (irAE) profiles (graded using CTCAE v5.0), RECIST 1.1 response assessment (including pseudoprogression and hyperprogression flags), ctDNA dynamics, and survival endpoints (such as progression-free survival and overall survival). It is designed for immunotherapy outcomes analytics, irAE risk modeling, predictive biomarker discovery, biomarker-stratified response analysis, and CPI sequencing research, while remaining 100% synthetic with no real patient data or privacy risks. The data is provided in CSV format with 128 columns across 9 modules (e.g., demographics, tumor biomarkers, treatment assignment, irAE simulation) and is calibrated against industry-grade trial data.

搜集汇总

数据集介绍

构建方式

本数据集由XpertSystems.ai合成数据工厂构建，隶属于肿瘤学垂直领域的HC-ONC-013产品线。该合成队列以单表结构呈现，涵盖500例患者与128个特征列，完全基于虚拟生成技术创建，不涉及任何真实患者数据或受保护健康信息，彻底消除重新识别风险。构建过程严格遵循免疫治疗领域的生物学约束与临床试验设计，参考KEYNOTE-024、CheckMate-067等里程碑式研究的校准锚点，通过六种随机种子进行验证，确保结构身份的零违规保留与指标的真实性。

特点

该数据集具有卓越的综合性与临床保真度，覆盖8种癌症类型、8种免疫检查点抑制剂药物及4种机制类别，其最大特色在于同时整合了全面的预测性生物标志物面板（包括PD-L1、TMB、MSI-H等）、11个器官系统的免疫相关不良事件档案及其CTCAE v5.0分级管理级联，以及外周免疫生物标志物、RECIST 1.1应答评估与ctDNA动力学指标。数据集中嵌入了17项结构性约束（如前列腺癌与性别耦合、NSCLC特异性STK11突变关联），并通过22项临床文献校准指标验证其分布合理性，使之成为免疫治疗结局分析的理想模拟环境。

使用方法

该数据集支持通过Python生态灵活加载，可直接使用pandas读取CSV文件或通过Hugging Face datasets库获取。使用方法多样，包括但不限于进行免疫相关不良事件的风险模型构建、预测性生物标志物的Cox回归发现、PD-L1/TMB/MSI阈值优化分析，以及不同免疫检查点抑制剂类别间的疗效对比。用户可通过简单的分组聚合操作快速复现CheckMate-067等关键试验的亚组分析结果，也可利用lifelines库绘制生存曲线评估应答者与非应答者的预后差异，适用于肿瘤学机器学习模型训练与医学教学场景。

背景与挑战

背景概述

该数据集由XpertSystems.ai团队于近期开发，聚焦于肿瘤免疫治疗领域，旨在填补免疫检查点抑制剂（CPI）反应预测与免疫相关不良事件（irAE）建模中的数据空白。作为合成数据工厂肿瘤学垂直领域的产品SKU 13，其基于真实临床试验文献（如KEYNOTE-024、CheckMate-067）进行校准，包含8种癌症类型、8种CPI药物及11个器官系统的irAE特征。该数据集以500例患者、128列单表结构，综合了PD-L1、TMB、MSI-H等预测性生物标志物与RECIST 1.1、CTCAE v5.0标准，为免疫治疗结局分析、生物标志物发现及CPI序贯研究提供了零隐私风险的即用资源，在肿瘤精准医疗与机器学习交叉领域具有重要价值。

当前挑战

该数据集主要应对以下挑战：其一，免疫治疗领域预测性生物标志物（如PD-L1、TMB）的临床决策高度敏感，但真实患者数据因隐私限制难以获取，而irAE涉及11个器官系统且管理路径复杂，传统数据集难以同时覆盖反应与毒性全貌。其二，构建过程中需确保合成数据在生物学机制上的保真度，包括17项零违例结构性约束（如STK11突变仅限于NSCLC、PFS ≤ OS等），并校准至关键临床试验的应答率（如NSCLC ORR~45%），同时维持irAE发生率（任意级别64-71%，G3-4级别15-20%）与文献一致，这对生成算法在分布匹配与因果层级保持上提出了极高要求。

常用场景

经典使用场景

HC-ONC-013数据集作为免疫治疗反应合成队列的典型代表，其经典使用场景集中于免疫检查点抑制剂（CPI）疗效预测与生物标志物发现。研究者借助该数据集，可对PD-L1表达、肿瘤突变负荷（TMB）、微卫星不稳定性（MSI）等核心生物标志物进行分层分析，探索不同阈值对客观缓解率（ORR）及生存终点的影响。数据集内嵌的8种癌症类型与4类CPI治疗方案，使得跨癌种、跨机制的疗效对比成为可能，尤其适合复现KEYNOTE-024与CheckMate-067等里程碑临床试验的关键结果，为免疫治疗反应模型的开发提供标准化基准。

衍生相关工作

围绕HC-ONC-013衍生出的经典工作主要集中在三个方面。其一是基于验证报告（validation_report.json）的校准指标，研究者发展了16个真值锚定的结构性约束检查方法，如PFS≤OS强制修剪与假性进展嵌套于ORR的逻辑锁定，这些方法已被借鉴为合成医疗数据质量评估的标准范式。其二是围绕NLR/PLR与LDH等外周免疫指标的预后验证工作，数据集丰富的实验室值与生存终点组合催生了新型免疫预后评分系统的开发。其三是在CPI序贯治疗与再挑战领域，数据集的irAE复发标志与后线治疗字段支撑了关于停药重启策略的模拟分析，其发现的再挑战irAE复发率特征为临床指南更新提供了量化参考。

数据集最近研究

最新研究方向

在当前免疫检查点抑制剂（CPI）治疗高速发展的肿瘤学领域，该全合成数据集精准锚定于前沿的免疫治疗响应预测与毒副作用管理交叉研究，尤其聚焦于基于多模态标志物（如PD-L1、TMB、MSI-H及T细胞炎症基因表达谱）分层分析的治疗结局建模。其设计深度呼应了KEYNOTE-024与CheckMate-067等里程碑式临床试验所揭示的疗效异质性挑战，以及irAE管理路径优化这一临床热点。通过内置的假性进展与超进展区分标志、ctDNA动态清除特征以及STK11/KEAP1共突变耐药模型，该数据为探索免疫治疗个体化决策、早期毒性预警及耐药机制解析提供了高保真的合成研究平台，对推动精准肿瘤学在真实世界中的应用范式意义深远。