HIV感染者肛门癌前病变进展预测建模研究

数据集获取

源站：https://clinicaltrials.gov/study/NCT01709448

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：肿瘤，鳞状细胞，乳头状瘤病毒感染。HIV感染者患肛门癌和肛门上皮内瘤变（AIN）的风险大大增加。尽管HIV治疗结果总体有所改善，但随着高效抗逆转录病毒疗法的出现，肛门癌的发病率并未下降。此外，HIV感染者中肛门癌相关的发病率和死亡率相当高。出于这些原因，在该人群中制定有效的筛查和治疗策略至关重要。肛门癌与宫颈癌相似，两者均与人乳头状瘤病毒（HPV）感染相关，并具有相似的细胞学异型增生特征。肛门细胞学筛查最终有望像宫颈巴氏涂片筛查引入后降低宫颈癌发病率那样，降低肛门癌的发病率。然而，鉴于HIV患者中细胞学异常的高频率以及需要通过高分辨率肛门镜检查来确认结果，实施筛查项目需要投入大量的临床资源。

对异常细胞学进行随访所需的工作量和成本降低了筛查的成本效益，并对其广泛整合到常规HIV护理中构成了重大障碍。需要一个模型来预测哪些患者发生肛门发育不良进展的风险最高，以减少该人群中过度确认性检查的需求。如果没有这样的模型，肛门癌筛查对许多HIV诊所而言可能仍然成本过高。本研究的目的是开发一个预测模型，以识别肛门上皮内瘤变进展风险最高的患者。核心假设是：1）早期HPV相关肛门发育不良的进展与环境、病毒学和宿主分子因素相关；2）有可能开发出一个具有高

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。