基于外泌体的液体活检用于原发性肝癌鉴别诊断

数据集获取

源站：https://clinicaltrials.gov/study/NCT06342414

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：肝细胞癌、肝内胆管癌、胆管癌、原发性肝癌、原发性肝细胞癌、肝癌、肝细胞癌。原发性肝癌（PLC）包括一组起源于肝脏的多种恶性肿瘤，2020年全球范围内其合计死亡率在癌症相关死亡中位居第三。在PLC中，肝内胆管癌（ICC）和肝细胞癌（HCC）是最主要的亚型。尽管ICC和HCC被统称为PLC，但两者患者在病因、病理学和临床特征上存在显著差异，因此需要不同的治疗策略。准确区分ICC与HCC对于优化患者预后和指导个体化治疗决策至关重要。然而，通常只有在切除肿瘤组织进行病理学检查后才能获得明确诊断，这需要进行有创的肿瘤取样，并伴随出血和肿瘤细胞种植等并发症风险。

因此，迫切需要在临床上开发无创诊断方法，以实现对这些不同形式PLC患者的准确鉴别诊断。本研究涉及一种液体活检的开发和验证，通过评估循环外泌体microRNA（exo-miRNA）来间接采样血液中的肿瘤组织。研究人员打算利用机器学习和生物信息学，创建一种成本效益高、非侵入性、适合临床使用且具有高灵敏度和特异性的检测方法，以辅助ICC和HCC之间的鉴别诊断。研究人员打算分三个阶段进行：1. 对ICC和HCC患者的exo-miRNA进行全面的小RNA测序。2. 基于先进的机器学习模型开发和训练鉴别诊断面板，以获得最终的鉴别诊断生物标志物。3. 在独立的ICC和HCC队列中验证研究结果。总之，本提案有望改善患者护理，并帮助临床医生对原发性肝癌患者进行更可靠的ICC和HCC鉴别诊断。

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。