AI模型预测乳腺癌新辅助化疗疗效：多中心双向队列研究
该数据集来自clinicaltrials.gov，为多中心、双向队列研究，聚焦乳腺癌新辅助化疗疗效预测。数据涵盖回顾性训练队列、回顾性内部验证队列、回顾性外部验证队列及前瞻性测试队列，收集了患者病理图像与报告文本等信息
基本信息
资源简介
AI模型预测乳腺癌新辅助化疗疗效：多中心双向队列研究
该数据集对应一项多中心、双向队列研究，主题为乳腺癌新辅助化疗疗效预测，来源站为 clinicaltrials.gov，本站归类于肿瘤 / 乳腺癌，主题标签为 Breast Cancer。研究设计包含回顾性训练队列、回顾性内部验证队列、回顾性外部验证队列以及前瞻性测试队列，采集的患者数据包括病理图像与报告文本等信息。整体而言，该数据集围绕乳腺癌患者在新辅助化疗前的多模态资料组织，用于支撑疗效预测相关研究，其队列划分兼顾了模型训练、内部与外部验证以及前瞻性测试等环节，覆盖了从历史回顾到未来前瞻的数据组织思路。
【数据集背景】
该数据集所属研究为一项多中心、双向队列研究，研究目标为构建并评估用于预测乳腺癌新辅助化疗疗效的人工智能模型。研究以乳腺癌患者为对象，按照训练、验证与测试的功能需求划分出多个队列，其中既有基于历史数据的回顾性队列，也有面向后续入组患者的前瞻性队列。这种双向设计使数据集同时具备历史数据积累与前瞻性检验的组织基础，服务于疗效预测模型的开发与评估。
【数据内容】
数据集采集的患者数据包括病理图像与报告文本等信息。源站描述在列举所收集的患者数据类型时以“病理图像与报告文本”开头，未进一步完整展开其余字段。除上述内容外，源站未提供关于具体变量、字段结构、样本量、图像数量或文本规模等更详细的信息。
【采集与来源】
数据来源涉及多个中心。回顾性训练队列收集的是中山大学孙逸仙纪念医院北院区自2002年1月1日至2023年8月31日期间接受治疗的患者数据；内部验证队列收集的是该院南院区接受治疗的患者数据；外部验证队列收集的是外部中心在2002年1月1日至2023年8月31日期间接受治疗的患者数据；前瞻性测试队列收集的是中山大学孙逸仙纪念医院在2024年1月1日之后收治的患者数据。上述时间范围与院区、中心划分均依据源站描述。
【适用场景】
该数据集面向乳腺癌新辅助化疗疗效预测这一任务，可用于训练预测模型、开展内部验证与外部验证，并通过前瞻性测试队列评估模型在新入组患者数据上的表现。其多中心、双向队列的组织方式适合考察模型在不同来源数据间的可迁移性与泛化表现，以及从回顾性建模到前瞻性检验的完整评估流程。
【使用方法】
源站未提供关于数据访问方式、使用许可、预处理流程或模型训练细节的具体说明。队列的功能划分表明，训练队列用于模型训练，内部验证队列与外部验证队列用于验证，前瞻性测试队列用于测试，但具体的划分比例、标注方式与评估指标等均未在源站描述中给出。
【质量与限制】
源站未提供关于数据质量、标注一致性、缺失情况或偏倚控制的具体信息。可确认的限制性信息仅来自研究设计本身：训练与验证数据为回顾性收集，时间跨度为2002年至2023年；测试数据为2024年1月1日之后前瞻性收集，二者在时间上存在区隔。除此之外，源站未提供其他质量与限制说明。
【引用与许可】
源站未提供引用格式与许可条款信息。
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/NCT06510127
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：乳腺癌。这是一项多中心、双向队列研究。设计了回顾性训练队列、回顾性验证队列和前瞻性测试队列。回顾性收集2002年1月1日至2023年8月31日在中山大学孙逸仙纪念医院北院区治疗的患者数据作为训练队列，收集在中山大学孙逸仙纪念医院南院区治疗的患者数据作为内部验证队列；回顾性收集2002年1月1日至2023年8月31日在外部中心治疗的患者数据作为外部验证队列。前瞻性收集2024年1月1日之后在中山大学孙逸仙纪念医院入院治疗的患者数据作为测试队列。收集的患者数据包括：新辅助化疗前乳腺穿刺标本的病理图像和报告文本、新辅助化疗前乳腺磁共振图像和报告文本、术后病理报告和临床信息等。
建立基于多任务和多模态数据整合的人工智能大语言模型，以准确预测乳腺癌新辅助化疗的疗效，并通过回顾性验证队列和前瞻性双盲测试队列检验其预测效能。本研究的回顾性队列通过随访收集患者的临床资料、磁共振成像及报告、手术病理报告等。当患者出现疾病复发时，记录患者的DFS时间；当患者未出现疾病复发时，记录末次随访时间。前瞻性队列患者在住院期间完成基线资料调查。随访期间获取新辅助化疗后手术切除的乳腺肿瘤病理报告，以及疾病复发时间和
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。
需要用于商业化训练或医疗器械注册（NMPA/FDA）？
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托三甲直采网络，提供合规、去标识化、支持注册级质控的专病数据集交易服务。
