基于AI的上消化道肿瘤风险预测模型

数据集获取

源站：https://clinicaltrials.gov/study/NCT07605312

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：胃癌（GC）、癌前病变、胃肠上皮化生、萎缩性胃炎、胃异型增生、食管癌（EsC）。目标：目前尚无关于上消化道癌前病变及其进展的风险预测模型和筛查时长的确凿证据。也尚无结合多组学方法、内镜与病理图像及其与疾病发展关联的纵向研究。因此，我们设计了一项针对上消化道疾病进展和癌症发生的前瞻性队列研究，采用标准化的临床数据采集、质量控制以及可解释的人工智能（AI）模型，以提高风险预测模型的可靠性。目的：我们旨在开发上消化道疾病进展和癌症发生的风险预测模型。方法：本研究设计为多中心前瞻性队列研究，针对接受上消化道内镜检查的受试者。

AI风险预测模型的开发将结合内镜下癌前病变、病理学、遗传学、表观遗传学、口胃肠道微生物群，并纵向随访病变严重程度的变化、药物反应及癌症发生情况。结局指标：主要终点：上消化道癌症的发生。次要终点：癌前病变的进展、结肠息肉复发、其他癌症的发生、代谢性和心血管疾病、胃食管反流和消化不良人群对药物的反应。

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。