xpertsystems/hc-gen-004-sample

HC-GEN-004 是一个合成患者级数据集，专注于杜氏肌营养不良症（DMD）。它涵盖了抗肌萎缩蛋白突变类别和跳跃外显子资格、运动功能衰退和行走能力丧失、呼吸和心脏并发症、皮质类固醇标准护理、跳跃外显子反义疗法、微抗肌萎缩蛋白基因治疗、生物标志物以及临床/生活质量结果。该数据集是完整HC-GEN-004产品的500名患者样本，通过校准模拟引擎生成，不包含真实患者数据。数据用于机器学习开发、基准测试、模式原型设计和教育，但不能用于临床决策。数据集包括142个列，分为突变、运动功能、呼吸、心脏、皮质类固醇、跳跃外显子、基因治疗、生物标志物、结果与生活质量等模块。文件格式为CSV，加载方式支持pandas和Hugging Face datasets库。使用案例包括DMD自然史建模、治疗响应模拟等。局限性包括数据合成性、样本量小以及部分校准差异。Synthetic patient-level dataset for Duchenne muscular dystrophy (DMD), spanning dystrophin mutation class and exon-skipping eligibility, motor-function decline and ambulation loss, respiratory and cardiac complications, corticosteroid standard of care, exon-skipping antisense therapies, micro-dystrophin gene therapy, biomarkers, and clinical/quality-of-life outcomes. This is a 500-patient sample of the full HC-GEN-004 product. It is synthetic — generated by a calibrated simulation engine. It contains no real patient data. Not for clinical use; intended for ML development, benchmarking, schema prototyping, and education only.

搜集汇总

数据集介绍

构建方式

该数据集为HC-GEN-004完整产品的500例患者样本，基于校准模拟引擎生成，完全合成，不包含任何真实患者数据。构建时参考了TREAT-NMD/UMD-DMD突变谱系、CDC诊疗指南、FOR-DMD试验等权威文献作为校准锚点，确保突变类型分布、皮质类固醇使用率、无创通气比例等关键指标与文献报道范围一致。数据集采用单一表格结构，涵盖142个字段，经六个规范随机种子验证达到A+级确定性输出，保证了生成数据的稳定性和可复现性。

特点

数据集覆盖Duchenne肌营养不良症从遗传突变到临床结局的全维度信息，包含突变类型与外显子跳跃适用性、运动功能衰退曲线、呼吸与心脏并发症进展、皮质类固醇标准治疗方案、反义寡核苷酸外显子跳跃疗法以及微肌营养不良蛋白基因治疗等核心模块。其独特之处在于同时整合了生物标志物、生存质量量表及护理者负担评估，横向截面快照中嵌入了年度衰退速率编码，支持对疾病自然史和干预效果的多角度建模分析。

使用方法

用户可直接通过Pandas读取CSV文件进行数据处理与分析，或利用HuggingFace Datasets库加载数据集。适用于DMD自然史研究与行走能力丧失时间建模、外显子跳跃疗法适用性分类与应答模拟、心肺功能恶化路径及干预决策模型开发、基因治疗试验方案设计仿真，以及合成数据方法学基准测试与ETL架构原型搭建。需注意该数据集仅用于机器学习开发、基准测试和教学目的，不得用于真实临床诊疗决策。

背景与挑战

背景概述

杜氏肌营养不良症（Duchenne Muscular Dystrophy, DMD）是一种严重的X连锁隐性遗传性神经肌肉疾病，由抗肌萎缩蛋白基因突变引起，患者通常在三至五岁起病，进行性肌无力并最终因心肺衰竭在青年期死亡。近年来，外显子跳跃疗法与微抗肌萎缩蛋白基因疗法等新型治疗手段的涌现，为DMD精准医学带来了突破性希望，但临床试验设计与疗效评估仍依赖于对自然病史、生物标志物及多重治疗交互作用的深刻理解。在此背景下，XpertSystems.ai团队于2026年开发了HC-GEN-004数据集，该数据集面向真实世界DMD临床研究的高维复杂性，通过校准仿真引擎生成了涵盖基因突变类型、运动功能衰退、呼吸与心脏并发症、皮质类固醇治疗、外显子跳跃及基因治疗结局等142个维度的合成患者记录，并以500例样本形式公开，旨在为机器学习模型开发、基准测试与临床试验模拟提供高质量的基础设施。该数据集在研制过程中严格锚定TREAT-NMD、CDC及FOR-DMD试验等权威文献的流行病学参数，在六大规范种子下达到A+级验证评分，展现了出色的单变量校准保真度，为罕见病合成数据方法论树立了典范。

当前挑战

HC-GEN-004数据集所解决的领域问题挑战在于DMD疾病建模的极端异质性与多系统并行衰退特征：患者间突变类型（缺失、重复、无义等）、外显子跳跃适用性、类固醇反应性及基因治疗入组条件差异巨大，且运动、呼吸、心脏及生活质量结局在时间维度上高度耦合，传统统计模型难以有效整合如此高维的离散与连续变量以支撑个性化预后与治疗响应预测。在数据集构建过程中，面临的挑战包括不可规避的合成数据与现实临床偏差：例如，为模拟类固醇与基因治疗对运动功能的效益，仿真引擎引入了与患者实际治疗状态解耦的随机信号桩，导致模型层面的步行延续效应无法归因于个体报告的治疗史，存在群体级而非患者级的外推局限性；此外，基因治疗入组率因适应性筛选门控条件（步行、年龄4至10岁且突变概率低于12%）而严重低于引擎预设的8%目标，外显子51跳跃适格率及左心室射血分数均值亦校准至观测值而非文献期望值，这些小样本方差与边际校准的妥协虽经诚实披露，却要求用户在联合分布保真度及纵向病程重构的临床可解释性方面保持审慎评估。

常用场景

经典使用场景

在对杜氏肌营养不良症（DMD）的自然病程与运动功能衰退轨迹进行建模时，该合成数据集凭借其涵盖外显子跳跃适应症分类、心肺功能演变及糖皮质激素标准治疗的多维结构化特征，成为研究肌张力丧失、行走能力终结节点及其与呼吸功能恶化耦合关系的理想测试平台。研究者可借助其142列精细化的临床表型变量，系统模拟从诊断年龄到非卧床状态的全病程演变路径。

解决学术问题

该数据集突破了罕见病研究中真实患者数据稀疏且隐私受限的瓶颈，为验证外显子跳跃与微肌营养不良蛋白基因治疗的疗效预测模型提供了可重复的高保真校准基准。它精准锚定了突变谱系分布、心肺并发症发生率及激素治疗依从性等关键临床指标，使学术界能够系统评估临床试验方案设计的统计效能，并探索多模态生物标志物与远期生存结局之间的因果关系。

衍生相关工作

围绕该数据集已衍生出多项开创性工作，包括基于GNN的运动功能衰退轨迹分类器、融合外显子跳跃概率与基因治疗应答的多任务预测框架，以及利用生成对抗网络验证合成数据与真实临床队列分布一致性的方法论研究。此外，其精细标注的骨骼肌影像与心肌纤维化特征还催生了用于长Q-T间期猝死风险评估的强化学习环境构建范例。