表面活性物质相关基因变异相关间质性肺病的免疫调节治疗
该数据集来自 clinicaltrials.gov,聚焦于表面活性物质相关基因(SRG)变异相关的间质性肺病(ILD)。源站描述指出,SRG 变异约占家族性肺纤维化的 6%,其病理生理机制尚不明确,可能涉及 2 型肺泡上皮细胞的内质网应激

基本信息
资源简介
表面活性物质相关基因变异相关间质性肺病的免疫调节治疗
该数据集来自 clinicaltrials.gov,聚焦于表面活性物质相关基因(SRG)变异相关的间质性肺病(ILD)。源站描述指出,SRG 变异约占家族性肺纤维化的 6%,其病理生理机制尚不明确,可能涉及 2 型肺泡上皮细胞的内质网应激。研究假设联合使用泼尼松、阿奇霉素和羟氯喹的治疗方案安全且可能改善成人 SRG 变异相关 ILD 患者的预后。数据可用于了解该疾病的免疫调节治疗研究背景与试验设计信息(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:间质性肺病。科学依据:表面活性物质相关基因(SRG)变异约占家族性肺纤维化(FPF)的 6%。其病理生理机制尚不明确,似乎涉及 2 型肺泡上皮细胞的内质网应激。自针对内质网应激的泼尼松、阿奇霉素和羟氯喹被共识性使用以来,观察到与 SRG 变异相关的儿童和成人间质性肺病(ILD)的预后有不同程度的改善,这些疾病最初被报道在诊断后数月内致死,但尚无任何单一治疗或联合治疗有效的证明。研究者假设,联合使用泼尼松、阿奇霉素和羟氯喹的治疗是安全的,并可能改善与 SRG 变异相关的成人 ILD 患者的预后。
【主题与分类】
主题标签:Interstitial Lung Disease。本站分类:循环系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07443436
下载信息
注册下载
需要注册 Kaggle 账号并登录后下载,适合需要跟踪下载记录和使用 API 的用户。
暂未开放公开下载
无需注册即可直接获取公开样本或文档,适合快速预览和评估数据集质量。
免登录有偿下载
公开数据集受托下载与技术交付服务。
提供高速下载与技术交付服务(收技术服务费,非数据销售)
暂未开放当前数据集主要来源为 Kaggle 公开托管,完整影像包建议通过原始链接或 Kaggle API 获取。
使用方式
数据集获取
源站:https://clinicaltrials.gov/study/NCT07443436
标准获取流程:
- 访问源站链接,注册/登录账号;
- 进入数据集详情页,按页面指引申请权限或直接下载;
- 部分平台提供 SDK,例如:
- OpenDataLab:
pip install openxlab后openxlab.dataset.get(...) - ModelScope:
pip install modelscope后modelscope download - 天池: 登录后页面提供直链下载
以源站「数据下载/使用文档」页面为准。
- OpenDataLab:
数据说明
疾病:间质性肺病。科学依据:表面活性物质相关基因(SRG)的变异可解释约6%的家族性肺纤维化(FPF)。其病理生理机制尚不清楚,似乎涉及2型肺泡上皮细胞的内质网应激。自共识性使用泼尼松、阿奇霉素和羟氯喹靶向内质网应激以来,观察到与SRG变异相关的儿童和成人间质性肺病(ILD)预后出现不同程度的改善,这些病例最初报道在诊断后数月内致死,但尚未证实上述任何一种治疗单独或联合应用的疗效。研究者假设,泼尼松、阿奇霉素和羟氯喹联合治疗是安全的,并可能改善与SRG变异相关的成人ILD患者的预后。主要目标和主要终点:主要目标:评估三联免疫调节治疗(泼尼松、阿奇霉素和羟氯喹)为期12个月对与表面活性物质相关基因变异相关的ILD患者的疗效。
主要终点:一年时两组之间用力肺活量下降的差异。
次要目标与终点:
次要目标:
- 三联疗法的耐受性,
- 呼吸、影像学和临床功能反应之间的相关性,
- 患者的生活质量,
- 总生存期、无移植生存期、无急性加重生存期、无住院生存期
次要终点:
- 临床和生物学耐受性(治疗期间不良事件的发生),心电图(随机化后3、6、9、12个月)(仅HCQ或AZI患者)和眼科检查(随机化后一年)
- 随机化后6个月和一年的胸部CT扫描和肺功能检查
- 生活质量问卷(EORTC QLQ-C30,v3.0)在随机化后3个月、6个月、9个月和一年时进行,
- 收集生命状态,
数据加载示例(图像类)
from PIL import Image
import glob, os
files = (glob.glob(os.path.join(path, "**", "*.png"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.jpg"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.tif"), recursive=True))
print("图像文件数:", len(files))
img = Image.open(files[0]); print("尺寸/模式:", img.size, img.mode)
# torchvision Dataset 方式:
# from torchvision import datasets
# ds = datasets.ImageFolder(path) # 要求 子目录=类别
目录组织与标注格式以源站说明和下载后实际文件为准。
数据缺失?
依托陕西、四川两大基地,我们与超过十家三甲医院建立直接合作关系,覆盖合规授权、采集治理、专业标注、数据交付的全流程,为AI医疗团队提供即拿即用的高质量临床数据。
⚡️ 需要数据支持或标注服务?立即联系我们获取专业方案。




