Hurria 老年乳腺癌患者（HOPE）研究

数据集获取

源站：https://clinicaltrials.gov/study/NCT01472094

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：乳腺癌。尽管癌症是一种与衰老相关的疾病，但在肿瘤学实践中，尚无标准工具能结合临床和生物学因素来识别可能对化疗毒性更为脆弱的老年癌症患者。人们普遍认识到，实际年龄并不能很好地反映老年人的生理年龄。肿瘤学家在描述老年人时暗示了这一点，如称其为“年轻的80岁”或“年老的80岁”，这意味着除年龄外还有其他因素影响着老年人的健康状况。老年医学专家通过常规进行“老年综合评估”来解决这一问题，该评估衡量了老年人发病率和死亡率的独立临床预测因素。此外，已描述了几种潜在的衰老生物标志物，这些标志物与老年人的功能衰退和死亡率相关。本研究将确定新型衰老生物标志物是否能预测化疗毒性的风险。

当前提案将通过融合老年医学与肿瘤学原理，填补这一知识空白，构建一个评估老年人化疗毒性临床及生物学风险因素的工具。此外，本研究将确定化疗毒性与剂量减少和/或延迟之间的关联，这些因素会降低化疗剂量强度。维持化疗剂量强度对于保持化疗疗效至关重要。老年人面临化疗毒性风险，若此毒性导致剂量强度下降，化疗的益处将受损。本研究将识别2-5级毒性的临床与生物学预测因素与相对剂量强度之间的关联。此外，本研究还将明确具体的剂量限制性毒性。这些数据将为识别那些预计毒性风险会限制剂量强度并影响标准治疗方案疗效的患者提供循证标准。

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。