优化促红细胞生成素（EPO）治疗

数据集获取

源站：https://clinicaltrials.gov/study/NCT02075970

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：新生儿贫血。具体目标 促红细胞生成素（Epo）刺激红细胞（RBC）生成。对贫血的极低出生体重（VLBW）早产儿进行促红细胞生成素治疗，在消除多次红细胞输注（RBCTX）方面并未如最初预期的那样有效。这一结论基于采用不一致RBCTX标准的Epoetin Alpha给药研究，以及未充分考虑Epoetin Alpha复杂药代动力学（PK）和药效动力学（PD）的研究设计。本项目的假设对Epoetin Alpha治疗不能在临床上重要程度上减少VLBW婴儿RBCTX的结论提出挑战。这一挑战基于我们对VLBW婴儿内源性Epo PD的新颖综合测定，以及我们最近的计算机Epo模拟建模结果，后者预测在一组选定的VLBW婴儿中可以消除RBCTX。研究目的：开发一种基于药效动力学的个体化医学方法，通过优化给予Epoetin Alpha，能够在一组可识别的VLBW婴儿中完全消除RBCTX。

中心假设：通过机制驱动的个体化预测模型，可识别对促红细胞生成素α反应良好的婴儿。基于可靠的、循证药代动力学/药效学原则，对预测为反应良好者进行优化的促红细胞生成素α治疗，将消除对红细胞输注的需求。促红细胞生成素α反应性由两个关键组成部分决定：1）红细胞生成，取决于促红细胞生成素α的药效学。2）红细胞寿命。基于协变量（即患者特异性特征）对这两个组成部分进行个体化预测，对于开发用于检验中心假设的促红细胞生成素α反应性个体化预测模型至关重要。这些促红细胞生成素α反应性的重要预测因素将在以下具体目标（SA）和假设（HY）中进行研究：婴儿研究1（第1-3年），在出生体重为1.

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。