PPGL转移性疾病风险预测模型的开发：回顾性队列研究

数据集获取

源站：https://clinicaltrials.gov/study/NCT04788927

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：副神经节瘤、嗜铬细胞瘤、疾病遗传易感性、病理学、体细胞突变、头颈癌、神经内分泌肿瘤。嗜铬细胞瘤和副神经节瘤（PPGLs）分别是肾上腺髓质和肾上腺外交感神经系统的肿瘤，通常分泌儿茶酚胺(1)。这些肿瘤起源于神经嵴，约50%由生殖系变异引起。由于具有强烈的遗传性，建议对所有PPGLs患者进行基因检测(2-5)。大多数PPGLs为非恶性（定义为非转移性）肿瘤，对手术治疗反应良好。约15%的PPGLs为转移性，目前可用的疗法无法治愈(1)。最新版WHO蓝皮书将所有PPGLs归类为可能恶性，因其行为难以预测(6)。PPGLs是高度异质性的肿瘤，由20多个不同基因易感(1)。在三分之二的肿瘤中可识别出生殖系或体细胞变异，因此PPGLs根据这些变异被分为不同的生物学亚组(1)。

2017年的一份共识声明指出，所有PPGL患者均需进行靶向基因panel检测（下一代测序，NGS），并在可能的情况下对肿瘤DNA进行检测，以识别未来药物治疗的潜在靶点(2)。此外，研究表明PPGL及其他内分泌肿瘤的表观遗传学改变与转移性疾病风险相关(7-11)，未来研究应侧重于理解PPGL中的表观遗传学和遗传学改变，因为这将为靶向分子治疗和个性化医疗开辟机会(11,12)。已有研究证明，基于DNA甲基化的肿瘤分类是临床决策的宝贵工具(13)。许多用于预测不良预后的组织病理学危险因素已被提出，并且已开发出评分系统以识别具有转移潜能的PPGL。PASS（肾上腺嗜铬细胞瘤分级评分）和GAPP（肾上腺嗜铬细胞瘤和副神经节瘤分级系统）评分是最为成熟

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。