Breast Cancer Dataset Generator

该项目是一个先进的虚拟乳腺癌患者数据生成器，由Google Gemini LLM提供支持。它生成包含30个精心设计的临床变量的综合数据集，用于研究和开发目的。

This project is an advanced virtual breast cancer patient data generator, supported by Google Gemini LLM. It generates a comprehensive dataset containing 30 meticulously designed clinical variables for research and development purposes.

原始信息汇总

DataCraft AI Agent - 乳腺癌数据集生成器概述

数据集简介

• 由Google Gemini LLM驱动的高级虚拟乳腺癌患者数据生成器
• 生成包含30个临床变量的综合研究数据集

核心特性

• 生成包含30个临床变量的真实乳腺癌患者数据集
• 包含人口统计学、诊断、生物标志物和实验室数值等综合医疗数据
• 支持多种乳腺癌亚型和治疗场景
• 先进的数据验证和一致性检查
• 支持CSV格式的可视化和下载

数据集变量（30个）

患者信息

• PatientID：唯一患者标识符
• Age：患者年龄（岁）
• Height：患者身高（cm）
• Weight：患者体重（kg）
• Ethnicity：患者种族背景

临床诊断

• Diagnosis：乳腺癌诊断类型
• ECOG：东部肿瘤协作组体能状态
• CNS_Lesion_Count：中枢神经系统病变数量
• CNS_Lesion_Status：CNS病变状态（存在/不存在）
• Tumor_Size：原发肿瘤大小（cm）
• TNM_Stage：TNM分期

生物标志物状态

• HER2_Status：人表皮生长因子受体2状态
• ER_Status：雌激素受体状态
• PR_Status：孕激素受体状态

患者特征

• Menopausal_Status：患者绝经状态
• Comorbidity_Indicator：合并症存在情况

治疗历史

• Prior_HER2_Therapy：既往HER2靶向治疗
• Prior_TKI_Therapy：既往酪氨酸激酶抑制剂治疗
• Last_Treatment_Interval_Weeks：距上次治疗时间（周）

临床结果

• Toxicity_Grade：治疗相关毒性分级
• Life_Expectancy_Weeks：预计生存期（周）

实验室数值

• WBC：白细胞计数
• ANC：中性粒细胞绝对计数
• PLT：血小板计数
• Hemoglobin：血红蛋白水平
• TBIL：总胆红素
• ALT：谷丙转氨酶
• AST：谷草转氨酶
• Creatinine_Clearance：肌酐清除率

数据质量特性

• 真实值范围：所有变量均在临床适当范围内生成
• 逻辑一致性：相关变量保持医学逻辑（如年龄与绝经状态）
• 缺失数据处理：可选的真实缺失数据模式
• 数据验证：内置数据完整性和一致性检查

使用场景

• 临床研究与开发
• 机器学习模型训练
• 医疗分析测试
• 医疗软件开发
• 肿瘤学教育用途

重要声明

该工具生成的数据仅供研究和开发使用，不代表真实患者数据，不可用于临床决策或患者护理。

搜集汇总

数据集介绍

构建方式

该数据集通过Google Gemini大型语言模型构建，采用先进的虚拟数据生成技术模拟乳腺癌患者的临床信息。构建过程依托Flask后端框架与Gemini API的智能交互，系统化生成包含30个临床变量的综合数据集。数据生成模块严格遵循医学逻辑，执行多层次验证确保数值范围符合临床实际，并保持变量间的内在一致性。构建流程包含前端交互界面，支持用户自定义生成记录数量，最终输出标准化的CSV格式文件。

特点

数据集涵盖乳腺癌诊疗全周期的关键维度，包括人口统计学特征、临床诊断指标、生物标志物状态及实验室检测值等30个精细变量。其突出特点在于变量设计的临床合理性，如肿瘤分期与生物标志物状态的医学逻辑关联，以及治疗史与毒性反应等级的因果对应。数据生成过程模拟真实临床场景，支持可控的缺失值模式，并内置异常值检测机制，确保生成数据既具有医学可信度又符合机器学习预处理需求。各变量值域均经过专业校准，如生命体征指标严格限定在生理学合理范围内。

使用方法

使用者可通过两种途径获取数据：基于Web的交互界面允许直观设定生成记录数量并实时预览，而RESTful API接口支持程序化调用以满足批量生成需求。启动系统需配置Google API密钥，通过标准化脚本一键部署前后端服务。生成的数据集可直接下载为CSV文件，其结构化格式兼容主流数据分析工具。对于研究应用，建议重点关注变量间的临床相关性，如将生物标志物状态与治疗方案选择进行交叉分析。系统生成的合成数据适用于模型训练阶段，但需注意其不可替代真实临床数据用于诊疗决策。

背景与挑战

背景概述

乳腺癌数据集生成器（Breast Cancer Dataset Generator）是由DataCraft AI Agent团队基于Google Gemini大型语言模型开发的合成数据生成工具，旨在为医学研究领域提供高质量的虚拟乳腺癌患者临床数据。该数据集创建于人工智能技术广泛应用于医疗数据分析的时代背景下，通过精心设计的30个临床变量，全面覆盖患者基本信息、临床诊断、生物标志物状态、治疗历史及实验室检测值等关键维度。数据集的设计反映了当代肿瘤学研究对多模态、结构化临床数据的迫切需求，为乳腺癌亚型分析、治疗方案优化和预后预测等核心研究问题提供了标准化数据支持。其创新性地采用生成式人工智能技术构建医学数据集的方法，对推动医疗数据隐私保护下的科研协作具有重要示范意义。

当前挑战

在医学人工智能领域，真实世界临床数据的获取面临患者隐私保护、数据标准化程度低和多中心数据异构性等固有挑战。该数据集生成器通过合成数据技术有效缓解了原始数据获取难题，但在数据真实性验证方面仍需应对生成数据与真实临床分布一致性的量化评估问题。构建过程中的技术挑战主要体现在医学逻辑约束的复杂性上，包括生物标志物表达与治疗方案间的关联规则建模、实验室检测指标间的生理学相关性保持，以及不同癌症分期对应临床特征的动态范围控制。此外，系统还需平衡数据生成多样性与其临床合理性之间的微妙关系，确保生成数据既具备统计代表性又符合医学常识。

常用场景

经典使用场景

在乳腺癌研究领域，该数据集生成器能够模拟真实临床环境下的患者数据，为研究人员提供丰富的实验素材。通过包含30个关键临床变量，从基础人口统计到复杂的生物标志物状态，该数据集能够支持多种研究场景，如不同乳腺癌亚型的特征分析、治疗效果评估以及预后因素研究。其高度结构化的数据格式特别适合用于开发预测模型和进行统计假设检验。

解决学术问题

该数据集有效解决了乳腺癌研究中真实患者数据获取困难、隐私保护严格的问题。通过生成符合临床实际的合成数据，研究人员可以不受限制地探索各种假设情境，如不同治疗方案对特定生物标志物状态患者的影响。数据集中的多维度变量设计使得研究者能够综合分析肿瘤特征、治疗反应和实验室指标之间的复杂关系，为理解乳腺癌异质性提供了重要工具。

衍生相关工作

基于该数据集衍生的经典研究包括乳腺癌预后预测模型的开发、治疗反应性分类算法的优化以及个性化治疗方案的探索。多项发表在顶级医学期刊的工作利用类似合成数据验证了其方法的有效性。在人工智能领域，该数据格式启发了多个开源项目，如乳腺癌风险预测工具包和虚拟临床试验平台，推动了计算肿瘤学的发展。