AIM-WEIGHT：AI引导的微生物组靶向营养干预用于减重
条件：超重（无2型糖尿病）伴体重相关合并症，超重（BMI > 25）。AIM-WEIGHT 是一项随机、设盲、安慰剂对照、平行组的概念验证研究，旨在对一种固定的微生物组靶向营养干预用于体重管理的疗效与安全性获得初步的对照估计
基本信息
资源简介
AIM-WEIGHT：AI引导的微生物组靶向营养干预用于减重
AIM-WEIGHT 是一项围绕超重人群开展的营养干预研究数据集，其英文全称为 AI-Guided Microbiome-Targeted Nutritional Intervention for Weight Loss。该数据集来源于 clinicaltrials.gov，在本站被归类于内分泌、营养和代谢疾病 / 糖尿病分类之下。研究的核心目标是对一种固定的微生物组靶向营养干预方案用于体重管理的疗效与安全性进行初步的对照估计。研究对象为超重人群，具体包括无2型糖尿病但伴有体重相关合并症的超重者，以及 BMI 大于 25 的超重者。研究采用随机、设盲、安慰剂对照、平行组的设计，属于概念验证性质，旨在判断所观察到的治疗信号是否足够有前景，以支持后续更大规模的验证性试验，并为未来研究规划提供更精确的治疗效应估计。
【数据集背景】
该数据集所对应的研究聚焦于超重人群的体重管理问题，尤其关注那些尚未发展为2型糖尿病、但已伴有体重相关合并症的超重个体，以及 BMI 大于 25 的超重人群。研究采用微生物组靶向的营养干预思路，试图通过调节肠道微生物组来影响体重管理效果。值得注意的是，研究所使用的干预配方在受试者入组之前，已经通过人工智能引导的配方开发流程完成选择。该人工智能方法基于对肠道微生物组相关关系的既有分析，用于指导候选微生物活性成分的筛选与剂量设定。这一背景使得该数据集同时涉及营养干预、微生物组与人工智能辅助配方开发等多个交叉领域。
【数据内容】
该数据集的主题标签包括“超重（无2型糖尿病）伴体重相关合并症”和“超重（BMI > 25）”。研究条件明确为超重（无2型糖尿病）伴体重相关合并症，以及超重（BMI > 25）。研究设计为随机、设盲、安慰剂对照、平行组的概念验证研究，主要目的是对一种固定的微生物组靶向营养干预在体重管理中的疗效与安全性获得初步的对照估计。数据集所涉及的具体变量、字段结构、样本量、随访时间点、终点指标等详细内容，源站未提供。
【采集与来源】
该数据集的来源站为 clinicaltrials.gov，属于临床试验注册信息。研究类型为随机、设盲、安慰剂对照、平行组的概念验证研究。关于数据采集的具体方式、采集地点、采集时间窗口、受试者招募细节、数据记录流程等信息，源站未提供。
【适用场景】
该数据集适用于关注超重人群体重管理、微生物组靶向营养干预、人工智能辅助配方开发等方向的研究与应用场景。由于研究设计为概念验证性质，其目标在于初步估计疗效与安全性，并判断治疗信号是否足以支持更大规模的验证性试验，因此该数据集可用于为后续研究规划提供治疗效应的参考估计。此外，该数据集也可用于超重且无2型糖尿病但伴有体重相关合并症人群的相关研究。关于该数据集在其他具体场景下的适用性，源站未提供。
【使用方法】
该数据集为临床试验注册信息，来源于 clinicaltrials.gov。关于数据的具体获取方式、访问权限、下载格式、分析工具、使用步骤等操作层面的信息，源站未提供。
【质量与限制】
该研究为概念验证研究，其设计目的并非确证性验证，而是为后续更大规模的验证性试验提供初步的疗效与安全性估计，并判断治疗信号是否足够有前景。因此，该数据集在证据等级上属于初步探索性质。关于样本量、统计功效、偏倚控制、数据完整性、缺失值处理等具体质量指标，源站未提供。该数据集在适用范围、外推性等方面的限制，源站未提供。
【引用与许可】
该数据集的来源站为 clinicaltrials.gov。关于引用格式、许可条款、使用限制、版权归属等具体信息，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/NCT07736547
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
疾病状况：超重（无2型糖尿病）伴体重相关合并症，超重（BMI > 25）。AIM-WEIGHT是一项随机、设盲、安慰剂对照、平行组概念验证研究，旨在获得固定微生物组靶向营养干预用于体重管理的疗效和安全性的初步对照估计。该研究旨在确定观察到的治疗信号是否足够有前景，以支持更大规模的验证性试验，并为未来研究规划提供更精确的治疗效应估计。研究性配方在受试者入组前通过人工智能引导的配方开发流程选定。基于既往对肠道微生物组与代谢健康之间关系的分析，AI方法被用于指导候选微生物组活性成分的选择和剂量确定。最终得到的配方是固定的，并且对所有分配至活性组的受试者完全相同。研究期间，AI将不会用于受试者层面的个体化、治疗分配、剂量调整、预测或临床决策。
因此，本研究评估的是固定配方的临床性能，并非设计为对 AI 算法的独立验证。研究包括为期 12 周的主要减重期，随后继续接受分配的干预至第 24 周。第 24 周评估旨在提供支持性证据，说明持续治疗期间第 12 周效应的维持情况。不应将其解释为评估停止治疗后的维持效果。样本量基于主要终点，即体重从基线至第 12 周的百分比变化。假设组间差异为 3.5 个百分点、共同标准差为 5.0 个百分点、双侧显著性水平为 0.05，则每组 34 名可评估受试者可提供约 81% 的统计功效。考虑到第 12 周时约 15% 的脱落率，80 名受试者将……
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。
需要用于商业化训练或医疗器械注册（NMPA/FDA）？
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连，提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。
