Union-LC-MPE 队列：肺癌恶性胸腔积液诊断与预后多中心队列研究

数据集获取

源站：https://clinicaltrials.gov/study/NCT07882758

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

条件：恶性胸腔积液（MPE）、肺癌（诊断）。Union-LC-MPE项目旨在通过基于多模态患者数据建模的人工智能/机器学习（AI/ML），在精准医学领域实现最高性能，并在真实环境中实施AI/ML模型。肺癌仍是中国发病率和死亡率最高的恶性肿瘤，而恶性胸腔积液（MPE）是其最常见的并发症之一：约15%-50%的非小细胞肺癌患者在初诊时或疾病进展过程中出现MPE，通常提示为晚期（IV期）疾病，中位生存期仅为3-12个月，细胞学诊断阳性率仅为40%-60%。因此，将为该项目设计并验证一套以患者为中心的机器学习工具，用于良性与恶性MPE的鉴别诊断，以及预测LC-MPE患者的疾病进展和结局。

为最大化其影响力，可信可解释人工智能方法的应用将把人工智能的固有性能与人类直觉的输入相结合，构建一个负责任的人工智能应用，能够在伴有恶性胸腔积液的肺癌中全面实施真正个体化的诊断和治疗决策，并对临床医生具有可解释性和可信性。最终目标是建立一个针对LC-MPE的多中心数据共享与精化平台（DSEP）。该DSEP将为患者和临床医生提供指导工具，提升对MPE早期诊断和个体化治疗的认识，最后使研究人员和普通科学界能够获取关于伴有恶性胸腔积液的肺癌的最新数据来源。在Union-LC-MPE项目内，将开发一个针对LC-MPE患者的专门决策支持系统。患者决策辅助工具是患者可在就诊前或就诊期间使用的工具。它们明确呈现所需做出的决策，并为患者提供易于使用的信息

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。