早期肺癌主动监测研究
The University of Vermont Medical Center 开展此项试点研究，旨在评估主动监测是否可作为低风险肺癌患者的可行选择，并观察选择主动监测路径的患者结局
基本信息
资源简介
早期肺癌主动监测研究
该数据集来自 clinicaltrials.gov，聚焦 Stage IA Non-small Cell Lung Cancer 与 Lung Carcinoid Tumor 两类低风险肺癌患者。The University of Vermont Medical Center 开展此项试点研究，旨在评估主动监测是否可作为低风险肺癌患者的可行选择，并观察选择主动监测路径的患者结局。研究背景涉及 NCCN 指南对不适合手术者考虑 SABR 的建议及其可能带来的呼吸困难、疲劳、胸痛甚至死亡等风险。该数据可用于探讨治疗选择、医患沟通及延迟治疗策略相关结局（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：条件：Stage IA Non-small Cell Lung Cancer、Lung Carcinoid Tumor。The University of Vermont Medical Center 正在研究确定主动监测是否是低风险肺癌患者的可行选择。目前，National Cancer Care Network (NCCN) 指南建议对不够条件接受手术的患者考虑立体定向消融放疗 (SABR)，该疗法通常耐受良好，但也已被证明会导致呼吸急促、疲劳、胸痛显著加重，在极端情况下还会导致死亡。研究者正在利用这项试点研究来确定选择主动监测方法的患者的结局。这些信息可能会改变未来医生与患者之间关于治疗选择的对话，让患者可以选择接受放射治疗，或通过采取主动监测来延迟治疗。
【主题与分类】
主题标签：Stage IA Non-small Cell Lung Cancer、Lung Carcinoid Tumor。本站分类：肿瘤/肺癌。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT03923777
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/NCT03923777
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：IA期非小细胞肺癌，肺类癌。佛蒙特大学医学中心正在研究确定主动监测是否为低风险肺癌患者的一种可行选择。目前，国家癌症护理网络(NCCN)指南建议对不适合手术的患者考虑立体定向消融放疗(SABR)，这种治疗通常耐受性良好，但也已被证明会导致呼吸短促、疲劳、胸痛显著加重，极端情况下甚至导致死亡。研究者正在利用这项初步研究来确定选择主动监测方法的患者的结局。这些信息可能会改变未来医生与患者之间关于治疗选择的对话，让患者可以选择接受放射治疗，或通过采取主动监测方法来延迟治疗。研究者已发表了12名选择主动监测方法的IA期肺癌老年患者的结局，这些患者在确定肿瘤快速生长时才进行放射治疗(PMID 30648024)。
临床结果与接受治疗时的预期结果相似，且从发现肿瘤起的两年内，近半数患者得以避免接受放射治疗。通过决定参与本研究，患者同意推迟治疗，采取主动监测的方法，同时继续通过计算机断层扫描（CT）方案跟踪肿瘤生长。一旦确定了肿瘤大小，就有相应的参数来决定患者何时应考虑接受放射治疗。这些参数基于肿瘤随时间增长的速度和肿瘤大小。
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。
