将人工智能整合到肺癌筛查中
该数据集来自 clinicaltrials.gov，主题为将人工智能整合到肺癌筛查中，属于肿瘤/肺癌方向。源站描述指出，低剂量胸部CT筛查肺癌已证实有效，相关死亡率降低约20%，但大规模推广面临两大障碍：一是缺乏胸科放射科医生和满足符合条件人群所需的LDCT资源，二是假阳性筛查比例高，NLST试验中
基本信息
资源简介
将人工智能整合到肺癌筛查中
该数据集英文名为 Integrating Artificial Intelligence Into Lung Cancer Screening，来源站为 clinicaltrials.gov，本站分类为肿瘤 / 肺癌，主题标签为 Lung Cancer。从源站描述看，其关注的是将人工智能整合到肺癌筛查这一临床与研究议题。低剂量胸部CT筛查肺癌已被证实有效，相关死亡率降低约20%，这一幅度高于乳腺癌、结肠癌或前列腺癌筛查带来的死亡率下降。但大规模推广肺癌筛查面临两大障碍：一是缺乏胸科放射科医生以及满足符合条件人群所需的LDCT资源，法国符合条件人群约在160万至220万之间；二是假阳性筛查比例高，NLST试验中超过20%的受试者被发现至少有一个不确定肺结节，而其中真正为肺癌的比例不足3%。该数据集即围绕这一背景，属于肿瘤/肺癌方向。
【数据集背景】
肺癌筛查使用低剂量胸部CT已证明有效，与筛查相关的死亡率降低约20%，这一降低幅度远高于乳腺癌、结肠癌或前列腺癌筛查相关的死亡率降低。然而，在法国，符合筛查条件的人群约在160万至220万之间，大规模实施肺癌筛查面临两个主要障碍：第一，缺乏胸科放射科医生和满足该人群所需的LDCT资源；第二，假阳性筛查频率高。在NLST试验中，超过20%的受试者被发现有至少一个不确定肺结节，而不足3%的不确定肺结节实际上是肺癌。确定结节良性或恶性性质的金标准是明确的组织学诊断；否则，需要依据结节在系列胸部影像上的演变来判断。该数据集正是在这一背景下，聚焦将人工智能整合到肺癌筛查中。
【数据内容】
源站未提供。
【采集与来源】
该数据集来源站为 clinicaltrials.gov。源站描述提及的条件为肺癌，并围绕低剂量胸部CT筛查、不确定肺结节、NLST试验等背景信息展开。除来源站与源站描述外，源站未提供更具体的采集方式、采集时间、采集机构或样本来源信息。
【适用场景】
源站未提供。
【使用方法】
源站未提供。
【质量与限制】
源站描述指出，大规模肺癌筛查面临假阳性比例高的问题：在NLST试验中，超过20%的受试者被发现有至少一个不确定肺结节，而不足3%的不确定肺结节实际上是肺癌。确定结节良性或恶性的金标准是明确的组织学诊断；否则，需要观察结节在系列胸部影像上的演变。除这些背景性限制外，源站未提供该数据集自身的质量指标、偏倚评估或使用限制。
【引用与许可】
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/NCT05704920
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：肺癌。使用低剂量胸部CT（LDCT）进行肺癌（LC）筛查已证实其有效性。与LC筛查相关的死亡率降低约20%，远高于乳腺癌、结肠癌或前列腺癌筛查相关的死亡率降低。大规模实施肺癌筛查面临两大障碍：1. 缺乏合格人群（法国有160万至220万人）所需的胸部放射科医生和LDCT；2. 假阳性筛查频率高：在NLST试验中，超过20%的筛查对象被发现至少有一个不确定肺结节（ILN），而实际上只有不到3%的ILN是LC。确定结节良性或恶性的金标准是最终组织学检查。否则，结节在连续胸部影像上的演变是一个很好的替代方法。在许多情况下，结节的不确定期可长达24个月，这可能成为筛查候选人长期且有时不合理的焦虑来源。
这项随机对照研究的目的是针对50至80岁、吸烟量超过20包/年或戒烟不足15年的患者进行肺癌筛查。其目标是确定，借助基于人工智能的分析辅助多学科团队（MDT）会议对筛查低剂量CT（LDCT）进行解读，是否能加速将结节明确分类为恶性或良性。
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。
需要用于商业化训练或医疗器械注册（NMPA/FDA）？
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连，提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。
