人工智能用于克罗恩病结局研究：纤维化的数字病理评估及其与患者病史和临床结局的关联

数据集获取

源站：https://clinicaltrials.gov/study/NCT07795476

标准获取流程：

1. 访问源站链接，注册/登录账号；
2. 进入数据集详情页，按页面指引申请权限或直接下载；
3. 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。

数据说明

疾病：克罗恩病、纤维狭窄性克罗恩病、CD-克罗恩病。克罗恩病是一种慢性炎症性肠病，可导致进行性肠道纤维化。纤维化促成肠道结构损伤、狭窄和梗阻，并且是外科手术干预的重要原因。然而，肠道纤维化仍然难以客观量化，尤其是从常规收集的内镜活检中，且用于识别与后续疾病进展相关的组织纤维化表型的经过验证的工具十分有限。AIFOR-CD（克罗恩病结局研究人工智能）是一项回顾性观察性研究，评估使用基于人工智能的数字病理学来量化和表征克罗恩病患者常规收集的回肠活检中的纤维化。该研究使用FibroNest表型纤维化综合评分[Ph-FCS(Muc)]，这是一种连续定量数字病理学生物标志物，来源于回肠活检黏膜中测得的纤维化组织学特征。

本研究围绕三个互补目标展开：验证Ph-FCS(Muc)与病理学家评估的黏膜纤维化严重程度的一致性；探讨其与克罗恩病特征及病史的关系；以及探索回肠活检中的定量纤维化表型能否识别出后续因纤维狭窄性克罗恩病而首次接受回肠手术切除风险增加的患者。本研究将使用既往收集的组织学标本和回顾性临床信息。数字病理学分析将使用回肠活检的去标识化全切片图像进行，并在适用时对生物标志物测量与参考评估或临床结局之间进行适当的盲法处理。AIFOR-CD旨在确定从常规获得的内镜活检中对纤维化进行定量评估能否提供肠道纤维化负荷的客观信息，并有助于表征和风险分层

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。