使用人工智能识别克罗恩病相关复杂性肛瘘成人的研究
该数据集来自 clinicaltrials.gov，属于消化系统疾病/克罗恩病领域，聚焦克罗恩病合并复杂性肛瘘的成人患者
基本信息
资源简介
使用人工智能识别克罗恩病相关复杂性肛瘘成人的研究
该数据集对应一项在 clinicaltrials.gov 登记的临床研究，英文名称为“A Study Using Artificial Intelligence to Identify Adults With Complex Perianal Fistulas Associated With Crohn's Disease”，本站将其归入消化系统疾病 / 克罗恩病分类。研究聚焦克罗恩病（Crohn Disease）合并复杂性肛瘘（Complex Perianal Fistulas，CPF）的成人患者，采用非干预性、回顾性设计，在真实临床实践环境中开展。研究计划纳入约 100 名参与者，通过人工智能分析框架对电子病历（EMR）信息进行选择与分析，该框架运用机器学习和自然语言处理（NLP）方法。研究为多中心试验，实施地点为西班牙，整体持续时间约 36 个月。主题标签为 Crohn Disease 与 Rectal Fistula，所涉疾病条件包括克罗恩病与直肠瘘。
【数据集背景】
该数据集源自一项针对克罗恩病合并复杂性肛瘘成人患者的临床研究。克罗恩病是一种慢性炎症性肠病，复杂性肛瘘是其常见且处理困难的并发症之一，临床上对这类患者的识别与分层往往依赖大量病历信息的综合判断。本研究即在这一背景下，探索利用人工智能技术从临床实践产生的电子病历中识别此类患者。研究设计为非干预性、回顾性，不改变参与者的常规诊疗过程，仅对既有医疗信息进行回顾性收集与分析。研究在西班牙的多家中心开展，整体周期约 36 个月，计划纳入约 100 名参与者。
【数据内容】
源站描述显示，研究将收集参与者的电子病历信息，并由基于人工智能的分析框架进行处理。该框架采用机器学习与自然语言处理（NLP）方法，对 EMR 中的信息进行选择和分析。所有参与者归入同一个观察组，即克罗恩病参与者组。研究涉及的疾病条件为克罗恩病与直肠瘘。除上述内容外，源站未提供关于具体变量字段、数据结构、样本量构成或标注方式的进一步说明。
【采集与来源】
数据来源为临床实践环境中的电子病历（EMR），采集方式为回顾性数据收集，即从既有病历记录中选取并分析信息，而非前瞻性地对参与者进行干预或随访。研究为多中心设计，实施国家为西班牙。数据经人工智能分析框架处理，该框架以机器学习和自然语言处理为技术手段。源站未提供具体的采集时间窗口、中心数量、病历系统类型或数据提取流程的细节。
【适用场景】
基于源站描述，该数据集适用于与克罗恩病合并复杂性肛瘘成人患者识别相关的研究场景，尤其是利用电子病历结合机器学习与自然语言处理技术进行患者识别、队列构建或病历信息分析的方法学研究。其非干预性、回顾性设计使其可用于真实临床实践环境下病历数据利用的探索。源站未提供关于其他具体应用场景的说明。
【使用方法】
源站未提供。
【质量与限制】
源站未提供关于数据质量、完整性、偏倚控制或验证方式的具体信息。可依据源站描述确认的设计特征包括：研究为非干预性、回顾性，计划纳入约 100 名参与者，为多中心试验，地点在西班牙，整体持续时间约 36 个月，所有参与者归入同一观察组。上述特征构成对该数据集适用范围的基本约束，其余质量相关细节源站未提供。
【引用与许可】
源站未提供。
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/NCT04844593
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
条件：克罗恩病，直肠瘘。这是一项在临床实践环境中对克罗恩病（CD）合并复杂性肛周瘘（CPF）参与者开展的非干预性、回顾性研究。该研究将纳入约100名参与者。研究将进行回顾性数据收集，以从电子病历（EMR）中筛选和分析信息，这些病历由基于人工智能的分析框架处理，该框架采用机器学习和自然语言处理（NLP）方法。所有参与者将纳入一个观察组。• 克罗恩病参与者 这项多中心试验将在西班牙开展。研究总时长约为36个月。
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。
