HTD1801治疗成人非酒精性脂肪性肝炎（NASH）合并2型糖尿病（T2DM）研究
该数据集来自clinicaltrials.gov，收录一项关于HTD1801治疗成人非酒精性脂肪性肝炎（NASH）合并2型糖尿病（T2DM）的临床研究
基本信息
资源简介
HTD1801治疗成人非酒精性脂肪性肝炎（NASH）合并2型糖尿病（T2DM）研究
该数据集来自clinicaltrials.gov，收录一项关于HTD1801治疗成人非酒精性脂肪性肝炎（NASH）合并2型糖尿病（T2DM）的临床研究。研究为18周随机、双盲、平行组、概念验证（POC）、剂量探索试验，按1:1:1比例比较多个HTD1801剂量与安慰剂。主要终点为通过磁共振成像估计的质子密度脂肪分数（MRI-PDFF）评估的肝脏脂肪含量（LFC）变化，该指标与近期其他NASH二期POC研究一致。数据可用于评估药物对肝脏脂肪含量的影响及NASH相关代谢研究（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：条件：非酒精性脂肪肝、NAFLD、非酒精性脂肪性肝病、非酒精性脂肪性肝炎、消化系统疾病、2型糖尿病（T2DM）。这项为期18周的随机、双盲、平行组、概念验证（POC）、剂量探索研究，按1:1:1比例比较了多个HTD1801剂量与安慰剂。由于肝脏脂肪积累被认为是NASH发病机制中的“第一次打击”（Adams and Angulo 2006），通过磁共振成像估计的质子密度脂肪分数（MRI-PDFF）评估的肝脏脂肪含量（LFC）变化是合适的主要终点，并且与近期其他NASH二期POC研究中使用的一致（Harrison et al., 2018, Madrigal Pharmaceuticals 2018）。Harrison et al., 2018, Madrigal Pharmaceuticals 2018的研究显示，在12周治疗期间，通过MRI-PDFF评估的LFC绝对和相对减少具有临床意义。
【主题与分类】
主题标签：Fatty Liver, Nonalcoholic、NAFLD、Nonalcoholic Fatty Liver Disease、Nonalcoholic Steatohepatitis、Digestive System Diseases、Type 2 Diabetes Mellitus (T2DM)。本站分类：消化系统疾病。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT03656744
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/NCT03656744
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：非酒精性脂肪肝、NAFLD、非酒精性脂肪性肝病、非酒精性脂肪性肝炎、消化系统疾病、2型糖尿病（T2DM）。这项为期18周的随机、双盲、平行组、概念验证（POC）、剂量范围研究，以1：1：1的比例比较了HTD1801多个剂量与安慰剂的效果。由于肝脏脂肪积累被认为是NASH发病机制中的“首次打击”（Adams和Angulo 2006），通过磁共振成像估计的质子密度脂肪分数（MRI-PDFF）评估肝脂肪含量（LFC）的变化是一个合适的主要终点，并且与近期其他NASH的2期POC研究中所使用的终点一致（Harrison等人，2018，Madrigal Pharmaceuticals 2018）。Harrison等人2018年及Madrigal Pharmaceuticals 2018年的研究表明，在12周的治疗期内，通过MRI-PDFF评估的LFC在绝对值和相对值上均有临床意义的减少，因此，认为18周的HTD1801治疗期足以评估研究的主要终点，并最大限度地收集暴露和安全性相关数据。
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。
