PROGRESS：精准肿瘤学利用基因组反射性评估进行研究选择与生存分析

数据集获取

源站：https://clinicaltrials.gov/study/NCT06896162

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：实体瘤恶性肿瘤、转移性癌症、乳腺癌、结直肠癌、肺癌、膀胱癌。尽管有数据支持在许多癌症中具有生存获益，但真实世界数据集中报告显示，NGS检测及随后的GIT的使用率较低。据报道，与其他实践类型相比，在NCI指定的癌症中心，多基因面板检测和靶向治疗的使用率更高，即使它们与“枢纽”站点相关联。分子肿瘤委员会已证明在肺癌中可改善总生存期，但这些模式依赖于治疗医师提出的咨询和/或大量的机构资源。许多评估增加基因组知情治疗（GIT）使用干预措施的研究仅关注单一癌症类型，从而阻碍了在所有癌症类型中广泛实施支持性干预措施的能力。鉴于大量数据支持当患者能够获得GIT时具有有意义的临床改善，我们希望研究使临床医生更容易进行NGS检测订购和解读的干预措施是否会提高GIT的订购率。

使用集中式精准肿瘤学导航员来促进NGS检测的完成、临床药师的专业临床审查，以及嵌入电子健康记录中的文档化临床决策支持，代表了一种比全面分子肿瘤委员会审查更独特且更易于扩展的模式。

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。