RADIOSPHER2研究：放射组学预测转移性乳腺癌HER2状态与T-DXd疗效

数据集获取

源站：https://clinicaltrials.gov/study/NCT07030569

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：放射组学、放射组学、转移性乳腺癌、IV期乳腺癌、乳腺癌、乳腺肿瘤、乳腺癌、伴骨转移的乳腺癌。本研究的主要目标是从放射学图像中提取的若干特征中识别出一种放射组学特征（“放射活检”），以预测转移性乳腺癌患者不同特定转移部位的HER2状态。根据研究依据，将选择分析那些通常难以通过活检接近的转移部位的图像，如肺、肝、胸膜和骨病变。“放射活检”模型将应用于回顾性计算HER2+或HER2低表达mBC患者的HER2状态，这些患者因转移性疾病接受了任意线数的曲妥珠单抗德鲁替康（T-DXd）治疗，基于基线扫描。然后，将计算根据“放射活检”模型分配到三个队列（HER2-0、HER2低表达或HER2过表达）的患者的T-DXd PFS，并使用Cox回归分析检验组间差异。

同一队列的临床特征（例如，转移性疾病的治疗线数、HR状态、HER2 IHC表达）将从临床健康记录中提取，以构建多变量Cox回归模型。为了在肿瘤内微观层面评估HER2空间异质性，将邀请病理学家重新审阅来自入组患者活检的病理切片，这些患者用于构建“放射活检”模型，以进行HER2异质性评估，并将其数字化以用于病理组学分析。HER2异质性将由病理学家基于IHC表达和分布进行评估。为了评估放射组学特征是否能在肿瘤内宏观层面预测HER2异质性，将为此目的开发一个不同的放射组学模型，使用病理学家在前一任务中分配的HER2异质性评分作为结局。此外，为了确认和量化病灶间HER2空间异质性，将提取所发现的“放射活检”特征集中包含的特征，并计算其他转移性病灶的HER2状态。

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。