合成急性低血压和败血症数据集

合成急性低血压和败血症数据集是由新南威尔士大学健康大数据研究中心创建的，包含3910名急性低血压患者和2164名败血症患者的数据。数据集通过生成对抗网络（GAN）技术从MIMIC-III临床数据库中生成，确保了数据的真实性和隐私保护。该数据集主要用于开发机器学习算法，特别是离线强化学习，并用于医学教育。数据集详细记录了患者的生命体征、实验室检测结果、药物治疗和人口统计信息，为研究提供了丰富的临床数据资源。

The Synthetic Acute Hypotension and Sepsis Dataset was created by the Health Big Data Research Center of the University of New South Wales. It contains data from 3910 patients with acute hypotension and 2164 patients with sepsis. Generated from the MIMIC-III clinical database using generative adversarial networks (GAN), this dataset ensures both data authenticity and privacy protection. It is mainly used for developing machine learning algorithms, particularly offline reinforcement learning, and also serves medical education purposes. The dataset comprehensively records patients' vital signs, laboratory test results, medication treatments, and demographic information, providing a rich clinical data resource for research.

搜集汇总

数据集介绍

构建方式

该数据集基于MIMIC-III临床数据库，通过生成对抗网络（GANs）技术构建而成。研究者首先依据已发表的纳入与排除标准，从MIMIC-III中识别出急性低血压患者（3,910例）和败血症患者（2,164例）两个真实队列。随后，利用GANs模型学习原始数据的分布特征，生成与真实数据高度相似但无法追溯至个体的合成时间序列数据。数据集涵盖生命体征、实验室检测结果、液体推注与血管升压药用药信息，并经过严格的身份泄露风险评估，确保合成记录与真实记录之间的欧氏距离均大于零，最大披露风险仅为0.045%。

使用方法

该数据集专为强化学习算法开发与医学教育设计。在强化学习场景下，液体推注与血管升压药变量可定义离散动作空间，其余变量构成状态空间，用于模拟急性低血压或败血症的临床管理策略。数据集以CSV格式存储，便于直接加载至Python、R等分析环境。用户可通过患者ID与时间点索引记录，进行离线策略评估或模型训练。此外，数据集遵循PhysioNet受限健康数据许可协议（1.5.0版），确保合法使用的同时支持学术研究与教学实践的自由探索。

背景与挑战

背景概述

在重症监护医学领域，急性低血压与败血症是危及患者生命的常见临床综合征，其管理策略的优化高度依赖于高质量时序数据的支持。然而，由于患者隐私保护与数据共享的法律限制，真实临床数据的获取与分发面临严峻阻碍。为突破这一瓶颈，Nicholas I-Hsien Kuo 及其合作者于2021年基于 MIMIC-III 临床数据库，利用生成对抗网络（GANs）构建了合成急性低血压与败血症数据集，并作为 Health Gym 项目的一部分公开发布。该数据集包含 3,910 例急性低血压患者与 2,164 例败血症患者的生命体征、实验室检验结果及用药记录，旨在为离线强化学习算法开发与医学教育提供高保真、低隐私风险的替代数据源，对推动重症医学机器学习研究具有里程碑式意义。

当前挑战

该数据集面临的核心挑战包括：首先，在领域问题层面，急性低血压与败血症的临床管理涉及多维时序变量的动态交互，现有模型需在有限观测下准确捕捉患者状态演化与治疗策略的因果效应，而合成数据虽保真度高，却可能因生成分布偏差导致策略泛化能力不足。其次，在构建过程中，生成对抗网络需模拟高度非线性的生理信号与稀疏的临床干预记录，同时避免过拟合真实数据中的噪声模式；此外，隐私风险评估要求确保合成记录与原始 MIMIC-III 数据间的欧氏距离严格大于零，且身份泄露概率低于 0.045%，这对生成算法的稳定性与隐私保护机制提出了严苛的技术要求。

常用场景

经典使用场景

在重症监护医学与人工智能交叉领域，该数据集为离线强化学习算法的开发与验证提供了至关重要的基准平台。研究者可基于其中包含的48小时急性低血压患者时序生命体征、实验室指标及血管活性药物干预记录，构建智能体以学习最优液体复苏与升压药滴定策略。其合成属性保障了数据共享的合规性，使得全球团队无需繁琐的数据使用协议即可复现和比较不同强化学习框架在血流动力学管理中的表现，从而推动临床决策支持系统的标准化评估。

解决学术问题

该数据集破解了重症医学研究中高质量临床数据获取困难与患者隐私保护间的核心矛盾。通过生成对抗网络合成的数据在保留MIMIC-III原始队列的统计特征与临床模式的同时，将身份暴露风险降至0.045%以下，远低于监管机构设定的安全阈值。这使研究者得以突破数据壁垒，系统性地探讨离线策略评估中的偏差校正问题、稀疏奖励环境下的探索-利用权衡，以及多模态时序数据在脓毒症早期预警中的表征学习，为因果推断与治疗策略优化提供了可复现的实验基础。

实际应用

在临床转化层面，该数据集正加速智能重症监护系统的研发进程。基于合成数据训练的强化学习模型可嵌入床边监护设备，实时建议血管活性药物剂量调整，辅助临床医生在脓毒症休克或急性低血压发作期间做出及时干预。此外，该数据集还被用于医学教育平台，使住院医师在无风险环境中反复演练基于生理指标的临床决策，提升对复杂血流动力学变化的处置能力，最终缩短理论知识与临床实践之间的鸿沟。

数据集最近研究

最新研究方向

在重症监护领域，随着对患者隐私保护与数据可及性之间平衡的日益关注，合成数据生成技术成为前沿研究热点。基于MIMIC-III数据库构建的合成急性低血压和败血症数据集，利用生成对抗网络（GANs）模拟真实临床时序数据，涵盖生命体征、实验室检测结果及治疗干预措施，为离线强化学习算法开发提供了高保真训练环境。该数据集在身份泄露风险评估中展现出极低的0.045%匹配概率，远低于监管机构设定的安全阈值，显著降低了隐私风险，推动了医疗数据在学术研究与教育中的开放共享。当前，该方向不仅聚焦于合成数据的临床真实性与生成质量，还延伸至多中心数据协作与公平性评估，对重症医学的精准治疗策略优化具有深远影响。

相关研究论文

• Synthetic Acute Hypotension and Sepsis Datasets Based on MIMIC-III and Published as Part of the Health Gym Project

  健康大数据研究中心，新南威尔士大学 · 2021年