酒精性肝炎肝内微生物群数据集
该数据集来源于 clinicaltrials.gov,聚焦酒精性肝炎(AH)患者的肝内微生物群。酒精性肝炎是酒精性肝病的严重并发症,组织学表现为中性粒细胞小叶性炎症、大泡性脂肪变性、肝细胞气球样变和坏死及 Mallory 小体

基本信息
资源简介
酒精性肝炎肝内微生物群数据集
该数据集来源于 clinicaltrials.gov,聚焦酒精性肝炎(AH)患者的肝内微生物群。酒精性肝炎是酒精性肝病的严重并发症,组织学表现为中性粒细胞小叶性炎症、大泡性脂肪变性、肝细胞气球样变和坏死及 Mallory 小体。重症患者(改良 Maddrey 评分≥32)1 个月死亡率约 10% 至 50%,现有治疗仅皮质类固醇可降低早期死亡率,但仅 60% 患者应答。数据可用于探索肝内微生物群与疾病发生发展的关联,辅助识别新的治疗靶点(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:肝硬化、酒精性肝病、酒精性肝炎。酒精性肝炎(AH)是酒精性肝病(ALD)的严重并发症。AH 的组织学表现以中性粒细胞小叶性炎症、大泡性脂肪变性、肝细胞气球样变和坏死以及 Mallory 小体的存在为特征。在重度 HA 病例中,定义为改良 Maddrey 评分 32 或以上,1 个月死亡率估计在 10% 至 50% 之间。唯一能降低早期死亡率的治疗是皮质类固醇治疗。然而,只有 60% 的患者对皮质类固醇有应答,且未证明对晚期死亡率有益。因此,识别新的治疗靶点是该疾病的一项重大挑战。大量临床前研究和人类数据提示肠道微生物群参与 AH 的发病机制。可存活细菌的易位
【主题与分类】
主题标签:Cirrhosis、Alcoholic Liver Disease、Alcoholic Hepatitis。本站分类:消化系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT06307964
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/NCT06307964
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:肝硬化、酒精性肝病、酒精性肝炎。酒精性肝炎(AH)是酒精性肝病(ALD)的严重并发症。AH的组织学表现特征为中性粒细胞性小叶炎症、大泡性脂肪变性、肝细胞气球样变和坏死以及Mallory小体的存在。在重度AH病例中,定义为改良Maddrey评分32分及以上,1个月死亡率估计在10%至50%之间。唯一能降低早期死亡率的治疗是皮质类固醇治疗。然而,只有60%的患者对皮质类固醇有应答,且尚未证明对晚期死亡率有益。因此,确定新的治疗靶点是该疾病的一大挑战。大量临床前研究和人体数据提示肠道微生物群参与AH的发病机制。活菌和微生物产物从消化道易位至肝脏,促进局部和全身炎症、肝细胞死亡和纤维化。然而,AH中的肝内微生物环境从未被表征过。
研究假设是,肝内微生物群受细菌易位调控,并与临床结局相关。本研究旨在确定来自里昂Croix-Rousse医院肝病科单中心前瞻性队列中疑似重度酒精性肝炎(AH)患者的肝内(经颈静脉肝活检获取)、血液和粪便微生物群的组成。将纳入50例临床怀疑AH且有经颈静脉肝活检指征的连续患者。根据文献数据,预计约35例患者进入确诊AH组,15例进入“无AH的酒精性肝病”组。将通过16S rRNA基因测序确定各种微生物群的组成,并将结果与临床数据(皮质类固醇敏感性、总生存期、无移植生存期、部分MELD评分)进行相关性分析。
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。




