xpertsystems/hc-res-007-sample

HC-RES-007肺纤维化（ILD）合成数据集（样本）是XpertSystems.ai呼吸系统垂直领域的第七个产品，专注于间质性肺病（ILD）和肺纤维化的深度疾病特异性合成队列。该数据集涵盖六种亚型：特发性肺纤维化（IPF）、过敏性肺炎（HP）、结缔组织病相关ILD（CTD-ILD）、非特异性间质性肺炎（NSIP）、隐源性机化性肺炎（COP）和吸烟相关ILD（SR-ILD）。数据内容包括高分辨率CT（HRCT）影像模式（如UIP、蜂窝状改变、磨玻璃影）、肺功能测试（PFT）指标（如FVC、DLCO、GAP指数）、抗纤维化治疗（如吡非尼酮、尼达尼布）、生物标志物（如KL-6、SP-D）、遗传学（如MUC5B rs35705950基因型）、急性加重事件、肺移植信息和临床结局（如5年死亡率）。样本规模为500名患者和131个特征列，数据基于真实临床研究（如IPF-PRO注册表、CAPACITY/ASCEND试验）校准，并通过了28项内部验证检查。该数据集为合成数据，仅用于研究、开发和机器学习训练，不可用于临床决策。完整商业版本支持超过15,000名患者，并提供多种格式（CSV、Parquet、JSON、FHIR）。license: CC BY-NC 4.0 language: - 英语 tags: - 医疗保健 - 呼吸系统 - 肺脏病学 - 肺纤维化 - 间质性肺疾病（interstitial lung disease, ILD） - 特发性肺纤维化（idiopathic pulmonary fibrosis, IPF） - 抗纤维化 - 高分辨率计算机断层扫描（high-resolution computed tomography, HRCT） - 粘蛋白5B（mucin 5B, MUC5B） - 合成数据 - 电子健康记录（electronic health record, EHR） - 临床 pretty_name: "HC-RES-007 肺纤维化（ILD）合成数据集（样本）" size_categories: - 样本量小于1000 task_categories: - 表格分类 - 表格回归 - 生存分析 --- # HC-RES-007 — 肺纤维化（ILD）合成数据集（样本） **XpertSystems.ai · 合成数据工厂 · 呼吸垂直产品线** XpertSystems呼吸垂直产品线的第七个SKU：一款针对**间质性肺疾病（interstitial lung disease, ILD）**与**肺纤维化**的深度疾病专属合成队列，涵盖六大亚型——**特发性肺纤维化（idiopathic pulmonary fibrosis, IPF）、过敏性肺炎（hypersensitivity pneumonitis, HP）、结缔组织病相关间质性肺疾病（connective tissue disease-associated interstitial lung disease, CTD-ILD）、非特异性间质性肺炎（nonspecific interstitial pneumonia, NSIP）、隐源性机化性肺炎（cryptogenic organizing pneumonia, COP）、SR-ILD**。HC-RES-006聚焦混合队列的肺功能监测，而本SKU则聚焦纤维化领域：包括**高分辨率计算机断层扫描（high-resolution computed tomography, HRCT）成像**（寻常型间质性肺炎UIP模式、蜂窝肺、磨玻璃影、牵拉性支气管扩张、AI纤维化评分）、**肺功能测试（pulmonary function test, PFT）**搭配GAP/CPI指数、**抗纤维化治疗**（吡非尼酮、尼达尼布、试验药物）、**纤维化生物标志物**（KL-6、SP-D、MMP-7、CCL18、端粒长度）、**遗传学**（MUC5B rs35705950、TERT/TERC、表面活性物质突变）、**急性加重**、**肺移植**（肺分配评分lung allocation score, LAS、慢性移植肺功能障碍chronic lung allograft dysfunction, CLAD、移植后生存）及临床转归。 本仓库包含一份**500行单种子样本**。完整商用产品可扩容至15000+患者，支持CSV、Parquet、JSON、FHIR格式交付，并可按ILD亚型进行筛选。 - **SKU：HC-RES-007** - **样本量：** 500名患者 × 131列 - **样本许可证：** CC-BY-NC-4.0 — 完整产品可获取商业许可证 - **联系方式：** [e-mail] · https://xpertsystems.ai --- ## 验证 本样本通过XpertSystems A+级验证（整体得分**10.000 / 10**），在全部六种标准种子`[42, 7, 123, 2024, 99, 1]`下均可实现确定性复现。 本产品为呼吸垂直产品线中**最纯净的引擎**：其内置的**28/28检查**基准套件通过率达100%（覆盖亚型患病率、人口统计学、HRCT、PFT、治疗方案、生物标志物、遗传学、急性加重、肺移植、临床转归）。验证理念强调**结构一致性优于分布拟合测试**——以IPF与非IPF的严重程度梯度为锚点（IPF患者DLCO更低、5年死亡率更高、KL-6水平更高）。 ### 校准锚点 | 指标 | 样本值 | 目标范围 | 数据来源 | |---|---|---|---| | IPF患病率 | 49.8% | 45–55% | IPF-PRO注册库（约50%） | | 预测FVC均值百分比 | 74.1% | 65–80% | CAPACITY / ASCEND研究 | | 预测DLCO均值百分比 | 53.1% | 48–63% | CAPACITY / ASCEND研究 | | 6分钟步行距离均值 | 348 m | 300–380 m | IPF功能学文献 | | FVC年均下降值 | ~-125 mL/年 | -200至-80 mL/年 | INPULSIS研究 | | 抗纤维化治疗依从性 | 76% | 70–88% | IPF-PRO注册库 | | 血清KL-6均值 | ~1220 U/mL | 500–1600 U/mL | 纤维化生物标志物文献 | | MUC5B TG/GG基因型携带者比例 | 33% | 28–40% | MUC5B rs35705950（IPF患病优势比≈6.8） | | 5年全因死亡率 | ~36% | 28–42% | IPF/ILD生存数据 | | **DLCO梯度（非IPF − IPF）** | **+7.5** | **≥2** | 弥散功能异常严重程度排序 | | **死亡率梯度（IPF − 非IPF）** | **+0.25** | **≥0.08** | 疾病严重程度排序 | | **KL-6梯度（IPF − 非IPF）** | **+640 U/mL** | **≥150 U/mL** | 纤维化生物标志物 | | **列数** | **131** | **≥124** | 模块完整性（9个模块） | 观测到IPF与非IPF的对比数据（DLCO% / 5年死亡率 / KL-6）：IPF组为50.1 / 0.50 / 1539，非IPF组为57.8 / 0.26 / 904。 --- ## 各模块架构要点（共131列） **人口统计学模块**：ILD亚型、ICD-11编码、亚型特异性年龄与性别分布、种族、吸烟史与包年数、职业暴露（石棉/鸟类/霉菌/金属/木材）、所在地区、BMI、身高、诊断年份、随访时长。 **HRCT成像模块**：影像模式（UIP/疑似/不确定/其他）、纤维化范围、蜂窝肺（标记与范围）、磨玻璃影、牵拉性支气管扩张、病变分布、网状影、空气潴留与马赛克征（HP主导型）、年度进展情况、AI纤维化评分、扫描平台、层厚。 **肺功能模块**：FVC（预测百分比、绝对值、下降值）、DLCO（基线值与下降值）、肺总量TLC、残总比RV/TLC、FEV1/FVC、6分钟步行距离与SpO2最低点、补充氧疗情况、FVC应答分类、**GAP指数**、**复合生理评分**。 **抗纤维化治疗模块**：治疗分组（吡非尼酮/尼达尼布/未治疗/试验药物）、给药剂量、启动时机、依从性、剂量调整、停药（原因与时机）、FVC治疗应答效应、糖皮质激素、免疫抑制剂、试验药物与试验阶段。 **生物标志物模块**：KL-6、SP-D、CA19-9、MMP-7、CXCL13、端粒长度与短端粒标记、LPA、CCL18、TNF-α、TGF-β1、periostin、生物标志物变化趋势、HP抗原IgG、ANA/RF/抗CCP抗体、抗原暴露史。 **遗传学模块**：MUC5B rs35705950基因型、TERT/TERC/SFTPC/SFTPB/ABCA3突变、家族性IPF、遗传风险评分、端粒综合征。 **急性加重模块**：急性加重标记与次数、诱因、住院/ICU/通气支持情况、90天死亡概率、类固醇应答情况、甲泼尼龙剂量、环磷酰胺、首次发作时间、急性加重后FVC下降值。 **肺移植模块**：移植登记情况、肺分配评分（基线与12个月）、等待移植期间死亡率、移植手术实施情况、双侧移植、移植时机、原发性移植物功能障碍、CLAD、移植后生存情况、移植禁忌证。 **临床转归模块**：主要年度转归、5年全因与呼吸相关死亡率、总生存时长、住院情况、氧疗进展情况、患者报告结局PRO评分（mMRC、SGRQ、K-BILD、UCSD SOBQ）、合并症指数、肺动脉高压、CPFE、GERD、OSA、心血管疾病CVD。 --- ## 文件 - `hc_res_007_sample.csv` — 500名患者的样本数据集（共131列） - `generate_sample_dataset_hc_res_007.py` — 可复现的数据集生成器+验证工具包 - `validation_report.json` / `validation_report.md` — 完整评分报告 - `sweep_summary.json` — 6种子确定性验证结果 ## 数据加载 python import pandas as pd df = pd.read_csv("hc_res_007_sample.csv") print(df[["patient_id","ild_subtype","hrct_pattern","fvc_pct_predicted_baseline", "dlco_pct_predicted_baseline","gap_index","treatment_arm"]].head()) python from datasets import load_dataset ds = load_dataset("csv", data_files="hc_res_007_sample.csv") ## 应用场景 - 基于HRCT、PFT、生物标志物与遗传学数据的IPF与非IPF ILD分类任务 - FVC/DLCO下降与疾病进展建模 - 抗纤维化治疗应答与停药分析 - GAP指数/复合生理评分验证与生存建模 - 急性加重风险预测 - 肺移植登记与移植后转归建模 - MUC5B/端粒遗传学关联研究 - 真实ILD注册库数据受访问限制时的机器学习训练数据集 --- ## 坦诚的局限性与已披露的生成器行为 本产品为呼吸垂直产品线中验证最严谨的引擎（通过28/28项内部检查、符合IPF严重程度梯度、符合标准生物标志物与遗传分布）。通用注意事项如下： 1. **横断面注册库式表格**：每一行代表一名患者，包含基线信息与总结性纵向转归（下降速率、5年死亡标记）；本SKU未包含逐访视的纵向面板数据。 2. **亚型条件化分布；部分字段为边际抽样**：人口统计学、HRCT、PFT、生物标志物与遗传学均以ILD亚型为条件（建模正确），但部分转归与合并症标记以固定患病率抽样，而非完全基于每名患者的完整特征向量进行联合条件抽样。 3. **死亡率与急性加重转归为校准后的伯努利/概率字段**：5年死亡率与急性加重后90天死亡率为校准至注册库发病率的概率/标记抽样，而非整合的时间-to-事件生存过程（总生存月数单独以Weibull分布抽样）。 4. **非适用场景下的疾病专属字段留空**：如试验药物名称或急性加重相关字段在对应亚组外显示为"N/A"/NaN，这属于正确的条件结构，并非缺失数据。 通用注意事项：除已显式建模的跨字段相关性外，其余跨字段相关性可能弱于真实队列。**本数据集不可用于临床决策**——仅可用于研究/开发用途。 --- ## 商用产品对比 | 能力 | 本样本 | 完整HC-RES-007产品 | |---|---|---| | 患者数量 | 500 | 15000+（可配置） | | 种子/队列数 | 1 | 多种子、可复现 | | 亚型筛选 | 全混合亚型 | 支持IPF/HP/CTD-ILD/NSIP/COP/SR-ILD | | 数据格式 | CSV | CSV + Parquet + JSON + FHIR | | 纵向数据 | 仅总结性速率 | 可选逐访视面板数据 | | 转归指标 | 校准后概率值 | 整合生存模型 | | 许可证 | CC-BY-NC-4.0 | 商业许可证 | | 支持与服务级别协议 | — | 包含在内 | 完整产品、定制化队列或其他呼吸垂直产品线SKU（哮喘、COPD、肺炎、结核、COVID-19、肺功能监测）：**[e-mail]** --- ## 引用格式 bibtex @dataset{xpertsystems_hc_res_007_2026, title = {HC-RES-007: 肺纤维化（ILD）合成数据集}, author = {XpertSystems.ai}, year = {2026}, publisher = {XpertSystems.ai 合成数据工厂}, url = {https://xpertsystems.ai}, note = {合成数据；样本采用CC-BY-NC-4.0许可证。校准依据：CAPACITY与ASCEND研究（吡非尼酮）；INPULSIS-1/2与TOMORROW研究（尼达尼布、FVC下降速率）；IPF-PRO注册库（流行病学、依从性）；ILD-GAP模型（分期）；ATS/ERS 2022 ILD指南；Fleischner学会2018年HRCT模式指南。涵盖IPF/HP/CTD-ILD/NSIP/COP/SR-ILD，包含HRCT、PFT、抗纤维化治疗、生物标志物、MUC5B遗传学、急性加重与肺移植内容。为XpertSystems呼吸垂直产品线第七个SKU；通过28/28项内部基准测试。} } *本数据集由XpertSystems.ai生成的合成数据，未源自真实患者记录。不可用于临床用途。*

搜集汇总

数据集介绍

构建方式

在肺纤维化与间质性肺病（ILD）的临床研究领域，高质量的真实世界数据往往因隐私壁垒与样本稀缺而难以获取。HC-RES-007数据集应运而生，由XpertSystems.ai合成数据工厂基于深度生成技术构建，专为呼吸科纵向研究设计。该数据集覆盖IPF、过敏性肺炎、CTD-ILD、NSIP、COP及SR-ILD六种亚型，每条记录包含131维特征，横跨人口统计学、HRCT影像学模式、肺功能指标、抗纤维化治疗、生物标志物、遗传学（如MUC5B基因型）、急性加重事件、肺移植及临床结局九大模块。样本规模设定为500例，经由6个标准种子（42、7、123、2024、99、1）确定性重现，并通过28项内部基准检验，确保跨亚型的严重度梯度（如IPF患者DLCO更低、KL-6更高）与真实注册研究数据一致。

特点

该数据集最显著的特点在于其深度的疾病特异性与多维临床校准。相较于一般合成队列，HC-RES-007在结构上严格锚定了IPF与非IPF患者间的生理差异，例如DLCO预测值梯度差达7.5%，5年死亡率差幅达0.25，KL-6水平差超过640 U/mL，这些指标均源自CAPACITY、ASCEND及IPF-PRO等关键临床研究。数据集整合了高分辨率CT的UIP模式与蜂窝肺评分、GAP分期指数、抗纤维化药物依从性、以及MUC5B rs35705950等遗传标记物，实现了从影像到分子层面的跨尺度覆盖。其验证哲学强调结构恒等性而非简单分布拟合，确保各级特征的联合分布符合临床逻辑，是同类合成数据中验证最为严格的引擎之一。

使用方法

该数据集以CSV格式提供，用户可通过Python的pandas库或HuggingFace的datasets库直接加载。典型应用场景包括IPF与非IPF的ILD多模态分类建模、FVC/DLCO下降轨迹的疾病进展预测、抗纤维化治疗反应与停药风险分析、GAP指数验证及其与生存模型的整合、急性加重风险分层，以及MUC5B/端粒遗传关联研究。尤其适合在真实ILD注册数据访问受限的背景下，作为机器学习训练与基准测试的替代资源。需注意该数据集为横断面快照结构，每个患者提供基线值及汇总的纵向结局（如年化下降率、五年死亡标志），而非连续随访面板。死亡率与急性加重结局基于校准的伯努利概率生成，未集成完整的时间-事件生存过程，使用时需避免临床决策目的，仅限科研与开发场景。

背景与挑战

背景概述

间质性肺疾病（ILD）与特发性肺纤维化（IPF）是一组以肺实质炎症和纤维化为核心病理特征的高度异质性疾病，其诊断分层复杂、预后差异显著，是呼吸病学领域长期面临的重大临床挑战。由XpertSystems.ai旗下合成数据工厂于2026年创建的HC-RES-007数据集，专门针对ILD六种亚型（IPF、过敏性肺炎、结缔组织病相关ILD、非特异性间质性肺炎、隐源性机化性肺炎及吸烟相关ILD）构建深度合成队列，核心研究问题在于通过HRCT影像学特征、肺功能指标、抗纤维化治疗反应、生物标志物谱及MUC5B等遗传变异的多模态整合，为临床分层与预后建模提供标准化、可复现的基准数据。该数据集依据CAPACITY/ASCEND、INPULSIS及IPF-PRO注册研究等权威来源校准参数，弥补了真实世界ILD注册数据访问受限的空白，有望推动机器学习模型在纤维化疾病分类、进展预测和疗效评估领域的发展。

当前挑战

ILD领域的研究长期受困于两大核心挑战：一是疾病亚型间临床表型与影像学模式的显著重叠增加了早期精准诊断的难度，例如UIP与NSIP在HRCT上的鉴别、IPF与非IPF在DLCO下降梯度与KL-6水平上的差异量化均缺乏公认的黄金标准；二是抗纤维化药物疗效评估与急性加重风险预测所需的纵向随访数据获取成本高昂，真实队列中复杂协变量间的联合分布（如基因型、治疗依从性与生存结局的交互）常因样本量不足而难以建模。在数据集构建过程中，合成引擎需在横截面表格框架内精确复现13个模块间131个字段的结构性依赖关系，尤其需要保证IPF亚群较非IPF在DLCO、5年死亡率与KL-6等关键梯度上的阈值偏差（如KL-6梯度≥150 U/mL），同时避免因边际采样导致的跨域关联弱化；此外，病死率与急性加重结局仅以校准概率或伯努利变量呈现，未能嵌入完整的时依生存过程，这种简化虽保证了验证基准的100%通过率，却也暴露了合成数据在模拟真实临床时序事件链上的固有局限性。

常用场景

经典使用场景

在间质性肺疾病（ILD）及肺纤维化研究领域，hc-res-007-sample数据集凭借其涵盖IPF、HP、CTD-ILD、NSIP、COP及SR-ILD等六种亚型的深度合成队列，为研究者提供了兼具高维特征与病理梯度合理性的结构化样本。该数据集最经典的应用场景集中于多模态表型的亚型鉴别任务，即联合高分辨率CT影像模式（如UIP、蜂窝征、磨玻璃影）、肺功能指标（FVC%、DLCO%及GAP指数）、纤维化生物标志物（KL-6、SP-D、MMP-7）与遗传学信息（MUC5B rs35705950基因型），构建IPF与非IPF的区分模型。由于样本内嵌了经校准的严重程度梯度（如IPF亚组显著较低的DLCO水平和较高的KL-6浓度），该数据集特别适合作为基准来验证分类算法的排序一致性，从而推动ILD精准分型的算法迭代。

衍生相关工作

围绕hc-res-007数据集的一系列衍生工作构建了从单表型到生存过程的认知链路。基于其亚型条件分布特性，研究者可首先复现并扩展经典IPF生存模型（如ILD-GAP模型），将原始GAP指数与新增的KL-6、MUC5B基因型、以及急性加重计数进行联合回归，以解释ILD亚型间生存差异的潜在驱动因素。进一步地，利用其提供的6条确定性种子数据，可开展跨队列稳定性校验工作，如评估不同随机初始条件下急性加重90天死亡率与5年总体生存率在Cox比例风险模型中的系数波动范围。这些工作在方法论层面推动了合成数据质量保障标准的建立（如28/28内部基准评测体系），同时也为真实世界证据领域提供了可溯源、可扩展的对照组生成范式，成为连接合成数据与临床验证的桥梁。

数据集最近研究

最新研究方向

在间质性肺病与肺纤维化领域，最新研究正依托高保真合成数据集深入探索多维表型关联与精准预后分层。该数据集整合了HRCT影像模式、肺功能梯度、抗纤维化治疗反应、MUC5B等遗传标志物及急性加重-移植全链条临床结局，为构建跨模态预测模型提供了结构化基准。当前前沿方向聚焦于利用此类合成队列验证IPF与非IPF亚型的严重性梯度差异，推动基于GAP指数与KL-6动力学的新型风险分层工具开发，同时支撑干预效应模拟与罕见事件预测，助力破解真实世界数据访问受限的瓶颈。