xpertsystems/hc-res-001-sample

HC-RES-001哮喘合成数据集样本是XpertSystems.ai公司呼吸垂直领域的首个产品，基于GINA 2023严重程度-步骤框架和主要哮喘表型（过敏性-T2、嗜酸性-T2、非T2/肥胖、职业性、运动诱发）构建。数据集包含丰富的哮喘临床细节，涵盖严重程度与控制、触发因素识别、肺功能（肺活量测定、FeNO、乙酰甲胆碱、IOS）、T2/非T2生物标志物、药物依从性（控制器PDC、吸入器技术、生物制剂）、药理学结果、合并症和生活质量。此外，还包括两个纵向伴随表格：每次发作的恶化事件和每季度肺活量测定面板（40个季度/10年）。该样本包含500名患者，涉及三个关联表格，而完整商业产品可扩展至20,000多名患者，支持CSV、Parquet、JSON和FHIR格式交付。

HC-RES-001 — Asthma Synthetic Dataset (Sample) is the first SKU in the XpertSystems Respiratory vertical: a richly detailed synthetic asthma cohort built around the GINA 2023 severity-step framework and the major asthma phenotypes (Allergic-T2, Eosinophilic-T2, Non-T2/Obesity, Occupational, Exercise-Induced). It spans severity & control, trigger identification, lung function (spirometry, FeNO, methacholine, IOS), T2/non-T2 biomarkers, medication adherence (controller PDC, inhaler technique, biologics), pharmacological outcomes, comorbidities & quality of life — plus two longitudinal companion tables: per-event exacerbations and quarterly spirometry panels (40 quarters / 10 years). This sample contains 500 patients across three linked tables, while the full commercial product scales to 20,000+ patients with CSV / Parquet / JSON / FHIR delivery.

搜集汇总

数据集介绍

构建方式

HC-RES-001哮喘合成数据集是XpertSystems.ai呼吸垂直领域的首个标准化产品单元，以GINA 2023严重度分级框架为基础，融合主要哮喘表型（过敏性T2、嗜酸性粒细胞性T2、非T2/肥胖型、职业性及运动诱发型）构建而成。该数据集通过确定性生成引擎，依据六组规范种子（42, 7, 123, 2024, 99, 1）实现完全可复现的合成过程，并严格遵循结构化恒等性验证哲学——确保嗜酸性粒细胞性T2与非T2表型间FeNO和血嗜酸性粒细胞计数的生理分离，以及纵向表格间的完整关联。示例版本包含500名患者、约650次急性发作事件及每名患者40个季度（合计20,000条）的肺功能检测记录，构成一个具备多表联动特性的纵向临床数据库。

特点

该数据集最显著的特征在于其丰富的临床维度与表型驱动的精细标注体系，涵盖142个患者基线字段，完整覆盖人口学、严重度与表型、触发因素、肺功能、T2与非T2生物标志物、药物依从性（含控制药物处方填充率与吸入技术评估）、药理学结局、合并症及生活质量等八大模块。纵向伴生表提供了急性发作的严重度、触发因素、季节性及住院信息，以及每季度一次的肺功能趋势（涵盖FEV1、FVC、PEF及FeNO）。所有合成数据均经过A+级验证，关键指标——如GINA步骤分布、血嗜酸性粒细胞水平及FeNO表型分离度——精准锚定于临床文献与真实世界观测范围，展现出高度的结构与生理学真实性。

使用方法

用户可通过Python的Pandas库轻松加载三个关联表（患者基线表、急性发作记录表及季度肺功能检测表），并基于患者标识符进行多表联立分析。该数据集适用于多种呼吸系统疾病研究任务，包括：基于临床与生物标志物特征的哮喘严重度与控制状态分类、T2与非T2表型识别、生物制剂适用性及疗效建模、基于基线特征预测急性发作风险的纵向分析、肺功能长期下降轨迹预测，以及药物依从性与吸入技术相关分析。开发者还可利用提供的生成验证脚本重现数据集生成过程，并借助验证报告与超参数扫描结果评估合成数据的质量与稳定性。数据以CSV格式提供，在CC-BY-NC-4.0许可下可用于非商业研究与机器学习模型训练。

背景与挑战

背景概述

HC-RES-001是由XpertSystems.ai合成数据工厂于2026年发布的首个呼吸垂直领域数据产品，旨在为哮喘研究提供高质量合成数据支持。该数据集以GINA 2023严重度分层框架为核心，整合了主要哮喘表型（如过敏性T2、嗜酸性粒细胞性T2、非T2肥胖型等），并覆盖肺功能（肺活量测定、FeNO、乙酰甲胆碱激发）、生物标志物、药物依从性、合并症及生活质量等多维度信息。数据集包含横断面患者表、纵向急性发作记录和季度肺功能面板，结构丰富且可复现，专为哮喘严重度分级、表型识别、生物制剂反应建模及纵向肺功能轨迹预测等任务而设计，在科研领域推动了合成数据替代真实患者数据用于机器学习训练的发展。

当前挑战

该数据集面临的挑战主要体现在两方面。领域层面上，哮喘研究长期受限于真实电子健康记录（EHR）的隐私保护和数据稀缺性，尤其是涉及肺功能、生物标志物及长期用药依从性的纵向数据难以获取。构建过程中，合成数据需要在保障真实性的同时保持多表间逻辑完整性，例如表型依赖的FeNO与嗜酸性粒细胞生理学分离、40个季度肺功能面板与患者数的精确对齐。此外，局部字段存在校准差异，如口服皮质类固醇依赖标志因分布范围过窄几乎恒为0，生物制剂率与药物覆盖天数比例略低于预期目标，且独立标志绘制方法导致共病间聚类关联较真实队列偏弱，这些均需用户在建模时进行谨慎处理与调整。

常用场景

经典使用场景

HC-RES-001样本数据集专为哮喘领域的机器学习研究而设计，其经典使用场景涵盖多维度临床预测与纵向轨迹建模。研究者可借助该数据集开展哮喘严重程度与控制的分类任务，基于GINA 2023框架整合临床特征与生物标志物进行阶梯式判别。同时，它支持T2与非T2哮喘表型的识别，借助FeNO、嗜酸性粒细胞及细胞因子谱实现精准表型分层。此外，数据集内置的纵向结构允许进行急性加重风险预测与FEV1长期衰退轨迹的时序分析，为呼吸系统疾病的计算建模提供了丰富的实验基准。

衍生相关工作

基于HC-RES-001数据集的设计理念与校准锚点，已有多个方向的研究工作被激发。在临床预测领域，衍生工作聚焦于从横断面特征预测纵向急性加重事件的机器学习框架，如利用梯度提升与递归神经网络融合多表型信息。在生成模型领域，研究者借鉴其结构化合成方法论，开发面向慢性呼吸疾病的跨模态数据生成器，拓展了TCGA框架在合成电子健康记录中的应用。此外，该数据集推动了对抗性验证与分布稳健性测试的研究，特别是针对合成-真实域迁移的校准评估，成为呼吸系统合成数据标准化的重要参照基准。

数据集最近研究

最新研究方向

在呼吸医学数字化浪潮的推动下，HC-RES-001样本数据集以GINA 2023严重程度阶梯框架为锚点，整合了哮喘表型分类、生物标志物动态监测、肺功能长期轨迹与药物治疗结局等前沿模块，开辟了合成数据在真实世界证据生成中的新范式。该数据集围绕过敏性T2、嗜酸粒细胞性T2、非T2/肥胖型等核心表型，系统编码了FeNO与血嗜酸粒细胞等分离性生理指标，并构建了横跨10年、40个季度的纵向肺功能面板与急性加重事件表，为严重度分层、生物制剂响应建模及恶化风险预测提供了高质量的结构化训练基准。其多表完整性校验思路与确定性种子重现机制，更推动了合成医疗数据从简单分布拟合迈向临床可解释的工程化验证，对突破真实电子健康档案的隐私壁垒、加速哮喘精准管理算法的开发具有里程碑意义。