优化代谢功能障碍相关代偿期晚期肝病的无创评估
该数据集来自 clinicaltrials.gov，聚焦 NASH 与 NAFLD 相关的代谢功能障碍所致代偿期晚期肝病（cACLD）
基本信息
资源简介
优化代谢功能障碍相关代偿期晚期肝病的无创评估
该数据集英文名为 Optimizing Noninvasive assessMent Of DysmEtabolic Compensated Advanced Liver Disease，来源于 clinicaltrials.gov，本站分类归入肿瘤 / 肝癌方向，主题标签为 NASH 与 NAFLD。其聚焦的是由代谢功能障碍相关肝病所导致的代偿期晚期肝病（cACLD），这一疾病状态被认为是非传染性疾病人群进展为肝硬化、肝癌以及接受肝移植的重要影响因素。该研究希望通过整合影像组学、数字病理、无创评分以及组学等多维度手段，为 cACLD 的诊断分层提供新的证据，并借助人工智能推动更高效的诊断管理。研究预期将产出规模可观的数据库与知识内容，并向科学界及患者协会、政策制定者、医疗服务提供方、产业界等多方利益相关者开放。
【数据集背景】
该数据集所对应的研究关注 NASH 与 NAFLD 人群中的代偿期晚期肝病（cACLD）。源站描述指出，cACLD 由代谢功能障碍相关肝病引起，是导致非传染性疾病个体发生肝硬化、肝癌和肝移植的主要因素。研究的目标是显著提升诊断创新水平，并为由代谢功能障碍相关肝病所致 cACLD 的分层研究补充现有文献。通过整合 radiomics、数字病理、非侵入性评分和 omics，研究结果有望为诊断进展提供新的证据。引入人工智能则被期待带来更高效的诊断管理，从而有效应对 cACLD 对医疗系统造成的影响。
【数据内容】
源站描述提到，该研究将整合影像组学、数字病理、无创评分以及组学等多类信息，并预期产出一个可观的数据库和知识内容。这些成果将向科学界以及包括患者协会、政策制定者、医疗服务提供方和产业界在内的多个利益相关方开放。除上述方向性描述外，关于具体变量、样本量、字段结构、标注方式等细节，源站未提供。
【采集与来源】
该数据集来源于 clinicaltrials.gov。源站描述中提及的研究条件为 NASH 与 NAFLD。关于采集地点、采集时间、采集机构、受试者招募方式及具体采集流程等信息，源站未提供。
【适用场景】
基于源站描述，该数据集及相关研究适用于围绕 NASH、NAFLD 相关 cACLD 的诊断创新与分层研究，可服务于整合影像组学、数字病理、无创评分和组学等多模态信息的分析场景，也可用于探索人工智能在诊断管理中的应用。其预期成果面向科学界、患者协会、政策制定者、医疗服务提供方和产业界等多类主体。关于具体可支持的分析任务、模型训练用途或临床落地方式，源站未提供。
【使用方法】
源站描述仅说明研究结果将形成数据库与知识内容，并面向科学界及多个利益相关方开放。关于数据访问入口、下载方式、使用协议、预处理步骤或配套工具等，源站未提供。
【质量与限制】
源站描述未提供关于数据质量、完整性、偏倚控制、样本代表性或验证方式的具体信息。该研究被描述为预期产出数据库与知识内容，但相关质量指标与限制条件，源站未提供。
【引用与许可】
源站描述提到研究结果将向科学界和多个利益相关者开放，但未提供具体的引用格式、许可条款或使用限制。相关信息源站未提供。
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/NCT06888310
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：NASH、NAFLD。本研究旨在显著提升诊断创新，并为代谢功能障碍相关肝病所致代偿期晚期慢性肝病（cACLD）分层领域的现有文献作出贡献。cACLD是导致非传染性疾病患者发生肝硬化、肝癌和肝移植的主要因素。通过整合影像组学、数字病理学、无创评分和组学，预期结果将为诊断进展提供新的证据。人工智能的引入预计将带来更高效的诊断管理，有效应对cACLD对医疗系统的影响。本研究的成果将产生一个庞大的数据库和知识内容，两者都将向科学界和多方利益相关者开放，包括患者协会、政策制定者、医疗服务提供者和行业参与者。主要目标是促进诊断创新，并减轻cACLD对国家卫生系统的影响。
通过准确预测肝或肝外并发症风险较高的个体，本研究旨在革新诊断方法，最终改善患者预后并优化医疗环境中的资源利用。
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。
