早期乳腺癌患者病理反应预测的前瞻性队列研究

数据集获取

源站：https://clinicaltrials.gov/study/NCT05981326

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：乳腺癌。乳腺癌（BC）是法国女性中最常见的癌症，2018年估计有近58，500例新发病例和12，150例死亡。过去五年中，乳腺癌患者取得了两项重大成就。第一项是治疗方面的，免疫检查点抑制剂在晚期和早期三阴性乳腺癌（TNBC）中获得批准，以及新型抗体药物偶联物在所有BC亚型中展现出令人瞩目的疗效。第二项是概念上的，即在早期TNBC、HER2+、HR+和BRCA突变乳腺癌中，以新辅助治疗后的病理反应为指导的适应性治疗策略得到普及。这一癌症患者治疗的新范式完全重新定义了先前通过传统方法建立的预后因素。病理反应仍然是主要预后因素，尤其是对TNBC和HER2早期乳腺癌。然而，该参数是在新辅助治疗结束时评估的，对于有残留疾病的患者，尽管采取了一些适应性策略，预后仍然不佳。

我们的项目旨在整合关于该疾病的大量异构数据（临床和生物学数据、影像学和组织学结果（含多组学数据））以及患者的环境、个人史和家族史。这些数据种类繁多，且随时间存在动态交互。在具备生物学能力的数学团队和科学合作的帮助下，我们的项目旨在基于临床和分子异构大数据研究，改进对治疗反应的预测。本项目的主要目标是通过收集在ICO接受治疗的300例早期乳腺癌患者的前瞻性临床、生物学、病理学和多组学数据，前瞻性地建立一个临床生物学数据库，以定义一个用于预测该治疗反应的个体化决策算法。

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。