AL 淀粉样变性登记研究（ReAL）
该数据集来自 clinicaltrials.gov，为 AL 淀粉样变性登记研究（ReAL），属于血液与淋巴系统疾病下的淀粉样变性主题
基本信息
资源简介
AL 淀粉样变性登记研究（ReAL）
ReAL（A Registry of AL Amyloidosis）是一个围绕 AL 淀粉样变性建立的登记研究数据集，其信息来源于 clinicaltrials.gov。该数据集在分类上归属于血液与淋巴系统疾病下的淀粉样变性主题，核心关注对象为 AL 淀粉样变性。根据来源站描述，该登记研究旨在在诊断时以及随访过程中收集数据，从而能够在真实世界环境中描述 AL 淀粉样变性的自然史，并定义和验证可适用于疾病任一阶段的预后模型、缓解标准和复发标准。数据集以 AL 淀粉样变性为主题标签，整体定位是服务于该疾病真实世界研究与临床评价的登记数据资源。
【数据集背景】
AL 淀粉样变性属于血液与淋巴系统疾病中的淀粉样变性范畴。ReAL 作为一项登记研究，其设立目的与 AL 淀粉样变性的临床研究需求直接相关。来源站描述指出，通过该登记研究，可以收集诊断时和随访期间的数据，进而描述 AL 淀粉样变性在真实世界环境中的自然史，并定义和验证适用于疾病任一阶段的预后模型、缓解和复发标准。这表明该数据集并非针对单一时间点或单一指标的采集，而是围绕疾病全程的真实世界数据积累而设计，强调对疾病自然进程的观察以及对预后、缓解和复发判定标准的建立与验证。
【数据内容】
根据来源站描述，该登记研究收集的数据涵盖诊断时以及随访过程中的数据。其数据用途指向三个方面：描述 AL 淀粉样变性的自然史、定义并验证预后模型、定义并验证缓解和复发标准，且这些标准被描述为可适用于疾病的任一阶段。除上述内容外，关于具体变量、字段、样本量、随访时长、数据格式等细节，源站未提供。
【采集与来源】
该数据集来源于 clinicaltrials.gov。来源站描述中提及的条件为 AL Amyloidosis。数据采集的场景被描述为真实世界环境，采集时间点包括诊断时和随访期间。关于采集机构、采集地区、采集频率、数据录入方式等具体信息，源站未提供。
【适用场景】
基于来源站描述，该数据集适用于在真实世界环境中描述 AL 淀粉样变性的自然史，也适用于定义和验证可适用于疾病任一阶段的预后模型、缓解标准和复发标准。其主题标签为 AL 淀粉样变性，分类归属于血液与淋巴系统疾病下的淀粉样变性。关于其他具体应用场景，源站未提供。
【使用方法】
源站未提供该数据集的具体使用方法，包括访问方式、数据获取流程、分析工具或操作步骤等。
【质量与限制】
源站未提供关于该数据集质量与限制的说明，包括数据完整性、准确性、偏倚控制、样本代表性或使用限制等信息。
【引用与许可】
源站未提供该数据集的引用方式与许可信息。
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/NCT04839003
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：AL型淀粉样变性。得益于该登记系统，将能够在诊断时和随访期间收集数据，从而能够描述真实世界中AL型淀粉样变性的自然病史，并定义和验证适用于疾病任何阶段的预后模型、缓解和复发标准。
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。
