xpertsystems/hccar008-sample

HC-CAR-008 — 先天性心脏病（CHD）合成队列样本数据集，来自XpertSystems.ai合成数据工厂的心脏病垂直领域。这是一个完全合成的儿科和成人先天性心脏病患者队列，涵盖全生命周期：产前诊断、缺陷分类（14种病变类型，从简单的ASD/VSD到危重的HLHS）、手术和导管干预（STS-CHSD STAT 1-5死亡率分层）、多模态影像学（超声心动图+心脏磁共振）、电生理学、功能能力（NYHA/CPET/6MWT）、生物标志物（BNP、NT-proBNP、肌钙蛋白、血红蛋白、铁蛋白、GFR、白蛋白、Fontan相关肝病的肝脏硬度）、长期结果（Fontan衰竭、心脏移植、中风、心内膜炎）以及ROPAC风格的妊娠结果。数据集设计为可直接用于分析、建模、演示和教育，同时保持100%合成——无真实患者数据、无PHI、无重新识别风险。HC-CAR-008 — Congenital Heart Disease (CHD) Synthetic Cohort sample dataset from the XpertSystems.ai Synthetic Data Factory — Cardiology vertical. A fully synthetic cohort of pediatric and adult congenital heart disease patients spanning the full lifecycle: prenatal diagnosis, defect classification (14 lesion types from simple ASD/VSD through critical HLHS), surgical and catheter-based interventions (STS-CHSD STAT 1–5 mortality stratification), multimodality imaging (Echo + CMR), electrophysiology, functional capacity (NYHA / CPET / 6MWT), biomarkers (BNP, NT-proBNP, troponin, hemoglobin, ferritin, GFR, albumin, liver stiffness for Fontan-associated liver disease), long-term outcomes (Fontan failure, heart transplant, stroke, endocarditis), and ROPAC-style pregnancy outcomes. Built to be drop-in usable for analytics, modeling, demos, and education while remaining 100% synthetic — no real patient data, no PHI, no re-identification risk.

搜集汇总

数据集介绍

构建方式

先天性心脏病（CHD）数据因受STS-CHSD、国际Fontan注册中心等严格访问限制而难以获取。HC-CAR-008样本集由XpertSystems.ai合成数据工厂构建，采用生成器种子化采样，产出500例患者×107列的全合成队列。构建过程以STS-CHSD STAT 1–5死亡率分层、IMPACT注册中心、CHSS、ROPAC等真实注册数据为校准锚点，覆盖产前诊断至成人远期结局的完整生命周期，并配备30项指标验证记分卡确保分布保真。

特点

该数据集以九大模块整合人口学、缺损分型与血流动力学、外科干预、多模态影像、电生理、功能容量、生物标志物、远期结局及元数据，覆盖14种缺损类型与Simple至Critical四级复杂度。其特色在于同时包含Echo与CMR双影像模态、TOF特异性QRS与肺动脉反流分数、Fontan相关肝病及ROPAC式妊娠结局，且样本量小于1K，100%合成、无PHI，适合快速原型与教学演示。

使用方法

使用者可通过pandas读取CSV，或经Hugging Face datasets加载转为DataFrame，支持表格分类、回归与生存分析等任务。典型流程包括按stat_mortality_category分组计算院内死亡率以对照STS-CHSD，筛选TOF亚组以QRS>180 ms构建SCD风险分层，以及利用肝硬度、白蛋白、GFR等特征建模Fontan失败。分析妊娠风险时应先过滤pregnancy_attempted_flag==1，生存分析需排除院内死亡病例以保证随访时长语义一致。

背景与挑战

背景概述

先天性心脏病（CHD）作为最常见的出生缺陷之一，其流行病学、诊疗与预后研究长期受制于数据可及性瓶颈。STS-CHSD、IMPACT等权威注册数据库仅限合作机构访问，国际Fontan注册网更实行严格准入，而散在的儿科心脏病数据则深藏于各机构伦理审查壁垒之后，严重阻滞了数据驱动的临床研究与机器学习建模。在此背景下，XpertSystems.ai于2026年推出HC-CAR-008合成队列数据集，通过模拟涵盖产前诊断、14类缺损分型、STS-CHSD风险分层手术、多模态影像、电生理监测、功能评估、生物标志物、长期结局及ROPAC妊娠结局等全生命周期临床变量，构建了500例患者×107维特征的完全合成数据集，为CHD领域的分析建模、教学演示与算法原型验证提供了无隐私风险的替代性数据资源，其校验框架以STS-CHSD、CONCOR、ROPAC等权威注册数据为校准锚点，在合成数据科学领域具有方法论示范意义。

当前挑战

该数据集所应对的领域核心难题在于先天性心脏病真实世界数据的极端稀缺性与碎片化——跨机构数据整合面临伦理、法律与技术多重障碍，致使CHD预测模型开发长期缺乏足量、结构化、全周期覆盖的训练语料。在构建过程中，数据生成面临三类具体挑战：其一，合成机制需以30项校验指标对标STS-CHSD、IMPACT、CHSS、ROPAC等注册研究的目标区间，确保边缘分布校准精度；其二，多模块变量的跨域耦合逻辑尚不完整，如AVSD与唐氏综合征的联合分布未被建模（仅约8%唐氏患者伴发AVSD，远低于真实世界40-50%的共现率），而全商业版本方能恢复已知遗传-心脏关联；其三，部分变量语义一致性存疑，如院内死亡患者的随访年限仍从一般分布中抽样，存在逻辑矛盾，且STAT-1与STAT-5的死亡率在n=500下呈现跨种子不稳定性，限制了亚组生存分析的可靠性。

常用场景

经典使用场景

先天性心脏病（CHD）数据因其稀缺性与隐私壁垒而长期困扰着临床研究，该数据集以全合成方式构建了覆盖从产前诊断至成人幸存者全生命周期的队列，最经典的用途在于训练与验证手术死亡率分层模型，如依据STS-CHSD STAT 1至5分级对院内死亡风险进行预测，同时支持法洛四联症（TOF）术后随访、Fontan循环衰竭预测以及ROPAC式妊娠风险分层等多元建模任务，为研究者提供了一张整洁且可直接分析的宽表。

衍生相关工作

该数据集衍生了多项围绕CHD合成数据的方法学与临床应用研究，包括基于STAT分层的围术期死亡预测模型比较、利用QRS时限与CMR肺反流分数构建TOF猝死风险评分、以及以白蛋白与肝硬度为特征的Fontan相关肝病预测模型。相关验证报告与六种子扫描结果亦促进了合成数据校准方法学的讨论，并激励了后续商业版本在遗传-心脏耦合、中心容量效应及时序再干预建模方面的扩展工作。

数据集最近研究

最新研究方向

先天性心脏病（CHD）全生命周期合成队列正推动多模态数据融合与精准风险分层研究。针对真实世界数据受限于STS-CHSD、Fontan注册库等访问壁垒，该数据集以500例患者、107维特征覆盖产前诊断至成人远期结局，赋能STAT分级手术死亡率建模、TOF术后QRS宽度驱动的猝死风险预测、Fontan循环衰竭与肝病无创监测、以及ROPAC风格妊娠风险分层等前沿方向，为稀有病变的机器学习算法开发与临床教学提供可复现的基准，弥合了数据稀缺与模型可解释性之间的鸿沟。