基于机器学习的原发免疫性血小板减少症预测模型

数据集获取

源站：https://clinicaltrials.gov/study/NCT05116423

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：免疫性血小板减少症（ITP）。原发性免疫性血小板减少症（ITP）是一种常见的获得性自身免疫性疾病，以血小板生成减少和因自身免疫紊乱导致的血小板破坏增加为特征，患者表现为血小板计数低和出血风险高。尽管大多数ITP患者预后良好，但罕见却重要的危重ITP出血事件是威胁ITP患者生命的并发症，严重影响其预后、生活质量和治疗决策。近年来，临床预测模型的发展为疾病的精准诊断和早期干预提供了有力工具，尤其是机器学习方法的应用。机器学习方法通过将计算机算法应用于包含众多多维变量的大型数据集，捕捉临床特征之间的高维非线性关系以生成数据、驱动结局预测，从而能够克服当前风险预测分析方法的一些局限性。

这表明在医疗实践中，对于个性化患者管理策略存在未满足的需求，并且迫切需要有效的工具来预测住院ITP患者发生严重出血的风险。本研究旨在基于中国全国多中心研究，整合临床和实验室数据，构建临床预测模型。特别是，我们还通过大样本进行外部验证和前瞻性验证，以提高模型的稳健性和实用性。该工具简单便捷，可快速评估新入院的ITP患者，实现对危及生命的出血事件高风险患者的早期识别和干预，从而在未来降低致残率和死亡率。

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。