预测宫颈上皮内瘤变2级（CIN2）演变的生物标志物
条件：宫颈上皮内瘤变2级（CIN2）。引言：高危型人乳头瘤病毒（hrHPV）持续感染是宫颈癌的致病来源[1]。宫颈上皮内瘤变 CIN1（低级别）、CIN2（中级别）、CIN3（高级别）定义了由鳞状上皮细胞系演化而来的宫颈癌前病变[3]
基本信息
资源简介
预测宫颈上皮内瘤变2级（CIN2）演变的生物标志物
该数据集英文名为 Biomarkers Predictive for Cervical Intraepithelial Neoplasia Grade 2 (CIN2) Evolvement，本站将其归类于肿瘤 / 宫颈癌方向，来源站为 clinicaltrials.gov。数据集围绕宫颈上皮内瘤变2级（CIN2）这一主题标签展开，关注可用于预测 CIN2 演变的生物标志物。根据源站描述，高危型人乳头瘤病毒（hrHPV）持续感染是宫颈癌的致病来源，而宫颈上皮内瘤变 CIN1（低级别）、CIN2（中级别）、CIN3（高级别）定义了由鳞状上皮细胞系演化而来的宫颈癌前病变。CIN2 在临床上存在分层诊断的难题，本数据集即面向这一临床挑战，汇集与 CIN2 演变预测相关的生物标志物信息，供相关研究与临床管理参考。
【数据集背景】
持续感染高危型人乳头瘤病毒（hrHPV）是宫颈癌的致病来源。宫颈上皮内瘤变按程度分为 CIN1（低级别）、CIN2（中级别）和 CIN3（高级别），它们定义了由鳞状上皮细胞系演化而来的宫颈癌前病变。其中，CIN1 和 CIN2 病变向宫颈癌进展的比率低于 CIN3。CIN2 在临床上构成重大挑战，原因在于其病变演化具有异质性，既可能表现为类似 CIN1 的演变，也可能表现为类似 CIN3 的演变，而现有诊断工具无法对 CIN2 的进展风险进行分层。对 CIN2 进行风险分层，对于其临床管理、避免过度治疗或治疗不足具有重要意义。历史上，CIN2 一直是手术处理（锥形切除活检）的阈值，但源站描述在此处中断，后续内容未完整给出。
【数据内容】
该数据集的主题标签为宫颈上皮内瘤变2级（CIN2），英文名称表明其内容聚焦于预测 CIN2 演变的生物标志物。源站描述主要交代了 CIN2 的定义、分级背景及其临床风险分层难题，未具体列出数据集所包含的字段、标志物种类、样本数量或结局指标。除主题标签与名称所指向的“CIN2 演变预测生物标志物”这一核心内容外，具体数据条目与变量构成源站未提供。
【采集与来源】
该数据集的来源站为 clinicaltrials.gov，本站分类为肿瘤 / 宫颈癌。源站描述以“Conditions: Cervical Intraepithelial Neoplasia Grade 2 (CIN2)”标明其关注的疾病条件。关于采集方法、采集时间范围、样本来源机构、纳入与排除标准等具体采集信息，源站未提供。
【适用场景】
基于源站描述，该数据集所涉及的主题适用于 CIN2 临床管理中的风险分层需求，即区分 CIN2 病变中偏 CIN1 样与偏 CIN3 样的演变类型，以辅助判断进展风险，从而避免过度治疗或治疗不足。其生物标志物预测方向也可用于宫颈癌前病变演变相关的研究。除此之外的具体适用场景，源站未提供。
【使用方法】
源站未提供该数据集的具体使用方法，包括数据读取方式、字段说明、分析流程或配套工具等。
【质量与限制】
源站描述指出，当前诊断工具无法对 CIN2 的进展风险进行分层，这构成了该数据集所针对的核心临床问题；源站描述在“since regr”处中断，历史治疗策略部分的完整表述未能给出。关于数据集本身的样本量、完整性、标注质量、偏倚控制等质量信息，源站未提供。
【引用与许可】
源站描述中出现了文献编号引用标记（如 [1]、[3]、[4]、[5]），但未给出对应文献的完整题录信息。数据集的许可协议、使用条款与引用格式，源站未提供。
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。
免登录有偿下载
公开数据集受托下载与技术交付服务。
提供高速下载与技术交付服务（收技术服务费，非数据销售）
暂未开放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/NCT05049252
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：宫颈上皮内瘤变2级（CIN2）。引言：高危型人乳头瘤病毒（hrHPV）的持续感染是宫颈癌的致病来源[1]。宫颈上皮内瘤变CIN1（低级别）、CIN2（中级别）、CIN3（高级别）定义了由鳞状上皮细胞系演变而来的宫颈癌前病变[3]。CIN1和CIN2病变进展为宫颈癌的比率低于CIN3[4]。CIN2在临床上构成重大挑战，原因在于其兼具CIN1样和CIN3样演变病变的异质性表达，而现有诊断工具无法据此对进展风险进行分层[5]。CIN2的风险分层对于CIN2的临床管理以及避免过度治疗或治疗不足的风险至关重要。历史上，CIN2一直是手术治疗（锥形切除活检）的阈值。然而，由于CIN2病变的消退率较高，且锥形切除活检与生殖危害（如早产）相关，许多国家（如丹麦）已对年轻CIN2女性的管理采取更为保守的策略（即
主动监测：阴道镜检查、每4-6个月进行一次宫颈穿刺活检，随访长达两年，不进行任何外科手术）[6,7]。在丹麦中部地区，自1995年以来一直建议年轻女性进行主动监测。p16蛋白作为细胞调节和分化中的抑制因子发挥重要作用。p16是高危型HPV E6/E7致癌活性及与癌症进展相关的细胞转化的常用替代标志物。p16的上皮内表达水平与CIN病变级别呈正相关，可通过p16INK4a免疫组化生物标志物进行检测[7, 8]。尽管p16INK4a生物标志物为宫颈癌前病变的诊断和分级提供了附加价值，但该生物标志物在CIN2的风险分层方面并不稳健[9]。近期研究表明，新型生物标志物HPV E4可能有望将CIN2与CIN1样病变区分开来
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。
数据缺失？
依托陕西、四川两大基地，我们与超过十家三甲医院建立直接合作关系，覆盖合规授权、采集治理、专业标注、数据交付的全流程，为AI医疗团队提供即拿即用的高质量临床数据。
⚡️ 需要数据支持或标注服务？立即联系我们获取专业方案。
