胸部肿瘤前瞻性纵向生物样本采集，含新诊断肺癌患者

数据集获取

源站：https://clinicaltrials.gov/study/NCT06481813

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

疾病条件：肺癌、癌、非小细胞肺癌、小细胞肺癌、转移性肺癌。在临床试验中，患者依据严格的入选和排除标准进行筛选。这些标准旨在确保试验人群的同质性，但可能会排除具有特定特征、合并症或同时用药的患者。实际上，临床实践中常见的老年患者、伴有合并症或脑转移的患者往往被排除在临床试验之外。肿瘤学领域的真实世界数据在评估疗法及治疗策略的疗效方面发挥着至关重要的作用，它补充了对照临床试验的数据。这些数据使得分析更广泛的人群成为可能，并能考虑患者病史、同时用药和合并症等多个变量，同时也能分析在临床试验中未被代表的人群的疗效和毒性数据。

建立包含不同分期和组织学类型的 prospective cohort，将使得搭建一个可用数据平台成为可能，该平台包括与患者、其肿瘤及其治疗相关的最大量数据，并以纵向方式收集直至患者死亡（或研究结束）。与该 cohort 并行，该项目旨在建立一个纵向血浆库（从诊断到死亡，或研究结束时），以及一个肿瘤库（作为 CHU 肿瘤库诊疗工作的一部分系统储存的样本，且根据可用材料，患者同意允许将其用于研究），适用于有可用肿瘤样本的患者。这将使得能够构建辅助项目以验证研究假设，例如关于治疗耐药机制的识别。

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。