基于网络的阴道和外阴黑色素瘤预测工具：一项机器学习研究
该数据集包含从SEER数据库提取的1575名阴道和外阴黑色素瘤患者的临床与人口统计学数据，涵盖肿瘤特征、治疗方式及生存信息等多模态临床表格数据，主要用于构建机器学习预后模型并开发基于网络的生存预测工具，以支持罕见生殖泌尿系统黑色素瘤的个性化治疗决策与研究。
基本信息
资源简介
基于网络的阴道和外阴黑色素瘤预测工具：一项机器学习研究
【数据集背景】
本数据集源站标题为《Web-based predictive tool for vaginal and vulvar melanomas: a machine learning study》。配套论文《Web-based predictive tool for vaginal and vulvar melanomas: a machine learning study》发表于 Future Science OA（2025），DOI：10.1080/20565623.2025.2540747。源站首次发布：2025-09-17。
【数据内容】
源站原始描述：One in every 41 women develops malignant melanoma in their lifetime, with noncutaneous melanomas arising in areas such as the genitourinary (GU) system being particularly rare and aggressive. We used machine learning (ML) to build prognostic models for vaginal (VaM) and vulvar (VuM) melanomas and developed the first predictive web-based tool for survival in these cancers. We leveraged the SEER database (2000–2020) to assemble our cohort and extract relevant clinical and demographic variables. Pr…
【数据结构与技术规格】
文件数 3 个，合计 5.06 MB。ifso_a_2540747_sm2974.docx：application/vnd.openxmlformats-officedocument.wordprocessingml.document，2.44 MB。ifso_a_2540747_sm2973.docx：application/vnd.openxmlformats-officedocument.wordprocessingml.document，2.61 MB。ifso_a_2540747_sm2969.docx：application/vnd.openxmlformats-officedocument.wordprocessingml.document，18.21 KB。数据集 DOI：10.6084/m9.figshare.30152916.v1。
【主题与分类】
源站学科分类：Medicine、Biotechnology、Biological Sciences not elsewhere classified、Cancer、Science Policy、Mental Health。主题标签：Machine learning、melanoma、prognosis、survival analysis、vaginal neoplasms、vulvar neoplasms。
【适用方向】
源站学科分类标注为 Medicine、Biotechnology、Biological Sciences not elsewhere classified、Cancer、Science Policy、Mental Health。
【获取与许可】
源站页面：https://tandf.figshare.com/articles/dataset/Web-based_predictive_tool_for_vaginal_and_vulvar_melanomas_a_machine_learning_study/30152916
使用许可：CC BY 4.0（https://creativecommons.org/licenses/by/4.0/）。
规范引用：Web-based predictive tool for vaginal and vulvar melanomas: a machine learning study. Taylor & Francis. Alshwayyat, Sakhr; Haddadin, Zena; Haddadin, Sara; Alshwayyat, Mustafa; Alshwayyat, Tala Abdulsalam; Talafha, Muna; et al
【使用注意】
· 源站最后修改于 2025-12-11，引用时请注意版本时效。
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（Figshare）
按页面 Download 按钮获取。
数据说明
该数据集是一个针对罕见且侵袭性的生殖泌尿系统黑色素瘤（包括阴道黑色素瘤和外阴黑色素瘤）的临床预后数据集。数据集基于美国SEER数据库（2000-2020年）构建，包含1575名患者的临床与人口统计学变量，如年龄、肿瘤大小、婚姻状况、治疗方式（手术、化疗、放疗）及生存结局。研究采用机器学习方法（包括五种分类器）预测患者5年生存率，并开发了首个基于网络的生存预测工具，用于辅助临床治疗决策。数据集主要应用于癌症预后分析、机器学习模型构建及个性化医疗工具开发等领域。
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。
