xpertsystems/hc-res-006-sample

HC-RES-006肺功能监测合成数据集（样本）是一个专注于呼吸系统疾病的合成数据集，由XpertSystems.ai生成。该数据集模拟了一个混合肺病学人群的肺功能测试队列，涵盖慢性阻塞性肺疾病（COPD）、哮喘、间质性肺病（ILD）、支气管扩张、阻塞性睡眠呼吸暂停和正常对照组。数据集包含500个患者样本，共192列变量，覆盖广泛的肺功能监测指标，包括支气管扩张剂前后的肺活量测定（基于NHANES III参考方程）、静态肺容积（体积描记法）、DLCO/KCO扩散、支气管激发试验（乙酰甲胆碱/甘露醇）、FeNO、脉冲振荡技术（IOS/FOT）、6分钟步行测试、症状和患者报告结局工具（如CAT、mMRC、SGRQ、ACQ）、治疗信息、急性加重事件、OSA多导睡眠图、高分辨率CT和生物标志物，以及临床结局。此外，数据集还嵌入了五个纵向轨迹数据，如10年内每季度的FEV1/FVC值、每年的DLCO/FeNO值和6MWT结果。该数据集经过严格验证，确保跨诊断生理学梯度正确，适用于多疾病肺功能模式分类、轨迹预测、ILD进展建模、COPD急性加重预测等研究用途，但仅用于研发目的，不适用于临床决策。数据集样本采用CC-BY-NC-4.0许可，完整商业产品可扩展至20,000多名患者。HC-RES-006 — Lung Function Monitoring Synthetic Dataset (Sample) is a synthetic dataset focused on respiratory diseases, generated by XpertSystems.ai. It simulates a pulmonary-function-testing (PFT) cohort for a mixed pulmonology population, including COPD, asthma, interstitial lung disease (ILD), bronchiectasis, obstructive sleep apnea, and normal controls. The dataset contains 500 patient samples with 192 columns, covering a wide range of lung function monitoring metrics such as pre/post-bronchodilator spirometry (based on NHANES III reference equations), static lung volumes (plethysmography), DLCO/KCO diffusion, bronchial provocation (methacholine/mannitol), FeNO, impulse oscillometry (IOS/FOT), 6-minute walk test, symptom and patient-reported outcome instruments (e.g., CAT, mMRC, SGRQ, ACQ), treatment information, exacerbations, OSA polysomnography, HRCT/biomarkers, and clinical outcomes. Additionally, it includes five embedded longitudinal trajectories, such as quarterly FEV1/FVC over 10 years, annual DLCO/FeNO, and 6MWT results. The dataset is rigorously validated to ensure correct cross-diagnosis physiology gradients and is suitable for research purposes like multi-disease pulmonary-function pattern classification, trajectory forecasting, ILD progression modeling, and COPD exacerbation prediction, but is intended for research/development only, not for clinical decision-making. The sample is licensed under CC-BY-NC-4.0, with the full commercial product scaling to over 20,000 patients.

搜集汇总

数据集介绍

构建方式

HC-RES-006数据集由XpertSystems.ai的Synthetic Data Factory构建，聚焦呼吸系统领域，为HC-RES-006款号的合成肺功能监测数据集样本。该样本包含500名患者与192个特征列，依托NHANES III、GLI-2012、SPIROMICS、COPDGene及ECLIPSE等权威临床研究进行生理梯度校准，模拟混合肺病群体（COPD、哮喘、间质性肺病、支气管扩张、阻塞性睡眠呼吸暂停及正常对照）的肺功能检测数据。数据生成涵盖肺活量测定、静态肺容积、DLCO/KCO弥散、支气管激发试验、呼出气一氧化氮、脉冲振荡肺功能、六分钟步行试验及症状患者报告结局等模块，并嵌入五条纵向轨迹（如十年间每季度FEV1/FVC、年度DLCO和FeNO等）。数据集通过六种种子可确定性复现，并附带A+级验证报告，确保结构信度。

特点

该数据集的核心特色在于测量密度极高且诊断梯度明确，192列覆盖人口学与暴露史、肺功能、静态容积、弥散、支气管激发、FeNO、IOS/FOT、6MWT、症状PRO、治疗用药、急性加重、OSA、影像生物标志物及临床结局等维度。不同疾病间的生理梯度（如FEV1%预计值、DLCO%预计值、6MWT距离）严格遵循正常>哮喘>COPD>ILD的顺序，有力保障跨诊断生理学合理性。纵向轨迹以管道分隔字符串嵌入，便于提取与分析。数据集虽标注了哮喘支气管扩张剂显著标志位与ILD的DLCO绝对水平两处已知校准偏差，但整体验证得分高达10.000/10，为机器学习训练提供了高保真合成数据基础。

使用方法

使用该数据集时，可通过Pandas直接读取CSV文件，或利用HuggingFace Datasets库加载。纵向轨迹字段（如longitudinal_fev1_q0_to_q40）以管道分隔字符串存储，需按需解析为浮点数列表。适用场景包括多疾病肺功能模式分类、FEV1/DLCO/6MWT轨迹预测、ILD进展与抗纤维化反应建模、COPD急性加重预测及哮喘生物标志物分析等。需注意，数据集仅供研究开发用途，不可用于临床决策。对于需要完整功能（如校正后的哮喘可逆性标志位、低ILD DLCO值、20,000+患者规模及多格式输出）的用户，可联系XpertSystems获取商业版本。

背景与挑战

背景概述

呼吸系统疾病，如慢性阻塞性肺疾病（COPD）、哮喘和间质性肺病（ILD），是全球范围内主要的致残与致死原因之一。肺功能检测（PFT）作为评估呼吸系统健康与疾病进展的核心手段，其多模态数据（包括肺活量测定、弥散功能、气道反应性、运动试验等）在临床研究与人工智能模型训练中具有不可替代的价值。然而，真实世界肺功能数据常受限于隐私保护、样本量不足及标注不全等问题。为应对这一挑战，XpertSystems.ai 于2026年发布了HC-RES-006肺部功能监测合成数据集（样本），该数据集由呼吸垂直领域合成数据工厂开发，包含500名患者、192维特征，涵盖从常规肺功能指标到纵向轨迹（如十年内每季度的FEV1/FVC序列）的丰富信息。该数据集模拟了多病种混合人群（COPD、哮喘、ILD、支气管扩张症、阻塞性睡眠呼吸暂停综合征及正常对照），其生理梯度（如FEV1%预计值正常>哮喘>COPD>ILD）经过交叉诊断验证，旨在为呼吸系统疾病的多模态模式分类、病程预测及治疗反应建模提供高保真的合成数据资源。该样本采用CC-BY-NC-4.0许可协议，对学术研究与算法开发具有重要支持作用。

当前挑战

该数据集面临的核心领域问题挑战在于肺功能检测数据的多病种异质性与复杂生理关联。例如，区分阻塞性、限制性与混合性通气障碍模式需要精确的肺活量测定与静态肺容积整合分析，而纵向轨迹预测（如FEV1年下降速率）则要求模型捕捉个体随时间变化的非线性动态。此外，COPD急性加重预测、哮喘生物标志物（FeNO、嗜酸性粒细胞）与生物制剂适应性分析等任务，均依赖于跨模态数据（肺功能、症状评分、治疗史、影像学与生物标志物）的协同建模，这对现有机器学习算法的融合能力提出了高要求。在数据集构建方面，主要挑战包括：确保生成的合成数据在保留真实患者群体生理梯度与病理演变的统计特征同时，避免泄露真实隐私信息；精确校正确立的参考方程（如NHANES III、GLI-2012）与特定疾病人群表型（如IPF/NSIP的DLCO下降速率为4-14%/年），以防止校准偏差。该引擎存在两个已记录的失准问题：一是哮喘支气管扩张剂反应显著性标志因绝对体积阈值无法触发而失效；二是ILD的DLCO%预计值偏高，偏离INPULSIS试验目标范围。此外，横向表结构嵌有纵向字符串字段（如pipe分隔的FEV1序列），解析灵活性受限，而疾病特异字段（如OSA多导睡眠监测参数）仅在相关诊断子集中可见，跨字段相关性可能弱于真实队列，这些均需用户在使用中有意识地适配与验证。

常用场景

经典使用场景

在呼吸系统疾病研究领域，肺功能监测是评估疾病进展与治疗反应的核心手段。HC-RES-006作为一项覆盖多种呼吸系统疾病（包括COPD、哮喘、间质性肺病、支气管扩张等）的综合性合成肺功能测试数据集，其最经典的使用场景集中于多病种肺功能模式分类。研究者可基于其丰富的前后支气管舒张剂肺功能、静态肺容积、弥散功能、气道激发试验及脉冲振荡等192维特征，构建区分阻塞性、限制性与混合性通气障碍的分类模型，从而为临床精准表型识别提供数据基础。

解决学术问题

该数据集精准回应了呼吸疾病研究中因真实临床数据获取困难所导致的模型训练瓶颈。通过提供跨诊断的生理学梯度验证（如FEV1、DLCO和6MWT在正常、哮喘、COPD和ILD间的有序递减），HC-RES-006有效解决了小样本条件下多病种联合建模的样本不均衡与标签噪声问题。其嵌入的10年纵向轨迹数据更支持对FEV1/FVC季度变化、DLCO与FeNO年度衰减的时序建模，从而推动了疾病进展预测、快速恶化标志物发现及抗纤维化疗效模拟等前沿学术议题的探索，显著拓展了合成数据在呼吸医学研究中的应用边界。

衍生相关工作

围绕HC-RES-006数据集已衍生出多项具有方法论价值的经典工作。基于其纵向FEV1轨迹数据，研究者开发了多任务时序预测框架，实现了对肺功能加速下降患者的早期识别。另一项代表性工作利用其跨模态肺功能特征（肺活量测定与脉冲振荡），深入探讨了不同生理测量手段在气道阻力评估中的互补关系。此外，该数据集中暴露的支气管舒张剂标志物校准偏差也催生了针对合成数据生成引擎的改进算法，推动了以结构先验知识替代纯分布拟合的数据合成策略，为后续更逼真的临床场景模拟奠定了基础。