基于多参数算法的伏立康唑个体化首次维持剂量

数据集获取

源站：https://clinicaltrials.gov/study/NCT06582186

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

条件：侵袭性曲霉病、真菌感染、血液系统恶性肿瘤。目前推荐的伏立康唑治疗药物监测提高了该治疗的疗效并减少了其不良反应，特别是在侵袭性曲霉病的治疗和预防方面。然而，作为该治疗药物监测一部分的剂量调整最早仅在治疗开始后3至5天进行，而从治疗一开始就达到有效浓度至关重要。基于CYP2C19基因型的简单先验剂量调整方法已被证明可改善伏立康唑暴露量和治疗反应。然而，患者的炎症状态或年龄等其他因素也会影响伏立康唑暴露量，这表明通过整合所有影响伏立康唑药代动力学的协变量，可以改进个体化初始伏立康唑剂量的策略。

在此方面，先前的一项多中心国际研究已开发并验证了一种算法，用于计算首次维持剂量，该算法不仅整合了CYP2C19基因型，还考虑了炎症状态、患者年龄以及是否伴有血液系统恶性肿瘤。在此，研究人员提出评估这一多参数算法对于改善血液系统恶性肿瘤患者伏立康唑初始暴露（前4天内）的意义。

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。