xpertsystems/hc-res-004-sample

HC-RES-004是一个结核病合成数据集样本，由XpertSystems.ai合成数据工厂开发，属于呼吸系统垂直领域的第四个产品。该数据集是一个全球校准的合成结核病队列，覆盖全耐药谱系，包括药物敏感结核病（DS-TB）、多药耐药结核病（MDR-TB）、预广泛耐药结核病（Pre-XDR-TB）、广泛耐药结核病（XDR-TB）和潜伏结核感染（LTBI）。内容涵盖诊断与分子检测（如GeneXpert、LPA、WGS、涂片/培养）、11种药物的耐药性谱（含MIC代理）、治疗方案选择（包括BPaL/BPaLM和STREAM短期方案）、依从性与直接观察治疗、痰菌转换细菌学、世界卫生组织定义的治疗结果、HIV共感染、家庭接触者调查、群体药代动力学/药效学（如NAT2、QTc）以及卫生系统背景。该样本包含500行数据和138列，适用于表格分类、表格回归和生存分析等任务。数据集经过严格验证，符合WHO全球结核病报告等标准，可用于结核病治疗结果预测、药物耐药性分类、依从性建模、HIV-TB共感染管理、接触者调查建模、卫生经济学分析等研究用途，但仅限研究开发，不用于临床决策。HC-RES-004 is a synthetic tuberculosis (TB) dataset sample developed by XpertSystems.ai’s Synthetic Data Factory, and it is the fourth product in the respiratory disease vertical segment. This dataset constitutes a globally calibrated synthetic TB cohort covering the full spectrum of drug resistance, including drug-susceptible tuberculosis (DS-TB), multidrug-resistant tuberculosis (MDR-TB), pre-extensively drug-resistant tuberculosis (Pre-XDR-TB), extensively drug-resistant tuberculosis (XDR-TB), and latent tuberculosis infection (LTBI). Its content covers diagnostic and molecular testing (e.g., GeneXpert, LPA, WGS, smear/culture), drug resistance profiles for 11 medications (including MIC proxies), treatment regimen selection including BPaL/BPaLM and STREAM short-course regimens, treatment adherence and directly observed therapy (DOT), sputum conversion bacteriology, treatment outcomes as defined by the World Health Organization (WHO), HIV coinfection, household contact investigation, population pharmacokinetics/pharmacodynamics (e.g., NAT2, QTc), and health system context. This sample consists of 500 rows and 138 columns, and is suitable for tasks including tabular classification, tabular regression, and survival analysis. The dataset has been rigorously validated and complies with standards such as the WHO Global Tuberculosis Report. It can be used for research applications including TB treatment outcome prediction, drug resistance classification, adherence modeling, HIV-TB coinfection management, contact investigation modeling, and health economic analysis, but it is for research and development purposes only and shall not be used for clinical decision-making.

搜集汇总

数据集介绍

构建方式

该数据集由XpertSystems.ai合成数据工厂基于呼吸系统疾病垂直领域研发，为HC-RES-004结核病合成数据集样本。构建过程中，数据集通过单一引擎生成，严格参照WHO 2023年全球结核病报告、STREAM试验、TB-PRACTECAL及ACTG A5279等权威临床研究数据，对药物敏感、耐多药、广泛耐药及潜伏性结核等全耐药谱系进行全球校准。生成算法采用确定性种子（如42、7、123等）确保可复现性，并以结构恒等式而非分布拟合检验为验证哲学，确保从DS-TB到XDR-TB的治疗成功率单调递减、死亡率单调递增的耐药严重度梯度得以完整保持。最终产出包含500名患者、138个字段的CSV样本文件，并附带验证报告与生成脚本。

使用方法

用户可通过Python直接加载CSV文件进行分析，推荐使用pandas库读取，示例代码为`pd.read_csv("hc_res_004_sample.csv")`，或利用HuggingFace datasets库的`load_dataset("csv", data_files="hc_res_004_sample.csv")`方法进行集成。该数据集适用于结核病治疗结局预测、基于分子诊断的耐药分类、依从性与失访风险评估、HIV-TB共感染管理分析、接触调查与传播簇建模、健康经济学评估以及机器学习训练等场景。鉴于其合成属性且仅用于科研开发目的，不适用于临床决策。若需更大规模（20,000+患者）、多格式交付或自定义队列的企业级产品，可通过联系XpertSystems团队获取商业许可。

背景与挑战

背景概述

结核病（Tuberculosis, TB）作为全球重大的公共卫生挑战，其耐药性问题日益严峻，尤其是耐多药结核病（MDR-TB）、广泛耐药结核病（XDR-TB）的出现，使得传统治疗方案面临疗效下降、治疗周期延长等困境。为应对这一挑战，XpertSystems.ai 合成数据工厂于2026年推出了HC-RES-004结核病合成数据集（样本版），由呼吸垂直领域研究团队主导开发。该数据集聚焦于覆盖从药物敏感性结核（DS-TB）到广泛耐药结核（XDR-TB）及潜伏感染（LTBI）的全耐药谱系，旨在提供一种高保真、可复现的合成数据资源，以弥补真实临床数据因隐私保护、获取困难等限制所导致的研究空白。通过严格校准于WHO全球结核病报告、STREAM试验及Lancet荟萃分析等权威来源，该数据集在治疗结局预测、耐药分类、依从性建模等任务中展现出显著价值，有力推动了机器学习在结核病精准诊疗研究中的应用。

当前挑战

该数据集所解决的领域挑战主要在于：耐药结核病的复杂耐药机制与多样化的治疗结局使得传统统计模型难以捕捉疾病演进规律，而真实世界患者数据因隐私法规、地域差异及样本量不足而难以获取，限制了人工智能模型在治疗结局预测、耐药分类及健康经济学评估中的泛化能力。在构建过程中，研究团队面临多重挑战：首先，需精准模拟MDR-TB与XDR-TB之间的耐药梯度，确保治疗成功率与死亡率随耐药程度单调变化；其次，面对138维高维特征空间，需在11个模块（如药代动力学、HIV共感染、接触者调查）间维持跨变量相关性，避免合成数据过度简化；最后，需在有限的500样本中保持对WHO发病率、耐药率及治疗成功率等关键指标的结构性锚定，确保数据的临床可信度与科研可用性。

常用场景

经典使用场景

在结核病诊疗与公共卫生研究领域，该数据集作为涵盖药物敏感、多药耐药、广泛耐药及潜伏感染全耐药谱系的合成临床队列，其经典使用场景聚焦于基于多模态分子诊断指标的治疗结局预测。研究者可借助GeneXpert、线性探针及全基因组测序等分子检测数据，构建从诊断到WHO标准治疗结局的端到端预测模型，同时利用其丰富的药敏谱系信息探究耐药等级与临床转归间的剂量-反应关系。

解决学术问题

该数据集有效破解了真实世界结核病项目数据因隐私保护与地域差异导致的获取壁垒，为耐药性严重度梯度验证、治疗依从性对临床结局的因果推断以及HIV合并感染下的协同效应量化提供了结构化基准。其通过固定的耐药-死亡率单调梯度与≥16项WHO流行病学锚定指标的验证体系，使得研究者能够在无临床伦理审批的条件下复现并拓展全球结核病治疗队列的关键统计模式，显著降低了药物流行病学与卫生经济学建模的入门门槛。

实际应用

在实际应用层面，该数据集支持医疗AI厂商训练面向资源有限地区的结核病临床决策支持系统，例如基于分子检测结果自动化推荐含贝达喹啉、利奈唑胺等药物的短程化疗方案。同时，它可为药品监管机构与全球基金提供耐药性监测模拟环境，通过生成的抗结核药物血药浓度时程数据与QTc间期异常标志，辅助评估新型联合用药方案的心血管安全性。此外，家庭接触调查模块可服务于基层卫生机构设计结核病传播链阻断策略的仿真优化。

数据集最近研究

最新研究方向

基于合成数据驱动的结核病全耐药谱系治疗结局预测与精准医疗策略优化