AIM-TEST:靶向微生物组营养干预功能性继发性性腺功能减退症
AIM-TEST 是一项 II 期概念验证研究,评估固定配方、靶向微生物组的营养干预能否改善功能性继发性性腺功能减退男性的内源性睾酮生成

基本信息
资源简介
AIM-TEST:靶向微生物组营养干预功能性继发性性腺功能减退症
AIM-TEST 是一项 II 期概念验证研究,评估固定配方、靶向微生物组的营养干预能否改善功能性继发性性腺功能减退男性的内源性睾酮生成。研究基于微生物组相关代谢、炎症、肠道屏障和神经内分泌通路可能影响下丘脑-垂体-性腺轴生理调节的假设,但肠道微生物组在人类睾酮调节中的因果作用尚未确立。研究产品作为研究性营养干预评估,不替代既定激素治疗、病因学检查或其他临床指征管理。研究人群为 30 至 65 岁男性(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:男性性腺功能减退症、继发性性腺功能减退症。AIM-TEST 是一项 II 期概念验证研究,旨在评估固定配方、靶向微生物组的营养干预能否改善功能性继发性性腺功能减退男性的内源性睾酮生成。该研究基于以下假设:调节微生物组相关的代谢、炎症、肠道屏障和神经内分泌通路可能影响下丘脑-垂体-性腺轴的生理调节。然而,肠道微生物组在人类睾酮调节中的因果作用尚未确立。因此,研究产品正作为研究性营养干预进行评估,不旨在替代既定激素治疗、病因学检查或其他临床指征管理。研究人群包括 30 至 65 岁男性。
【主题与分类】
主题标签:Hypogonadism, Male、Secondary Hypogonadism。本站分类:神经系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07761546
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
源站:https://clinicaltrials.gov/study/NCT07761546
标准获取流程:
- 访问源站链接,注册/登录账号;
- 进入数据集详情页,按页面指引申请权限或直接下载;
- 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。
- OpenDataLab:
数据说明
条件:性腺功能减退症,男性,继发性性腺功能减退症。AIM-TEST是一项II期概念验证研究,旨在评估固定配方的微生物组靶向营养干预能否改善功能性继发性性腺功能减退症男性的内源性睾酮生成。该研究基于以下假设:调节微生物组相关的代谢、炎症、肠道屏障和神经内分泌通路可能影响下丘脑-垂体-性腺轴的生理调控。然而,肠道微生物组在人类睾酮调控中的因果作用尚未确立。因此,研究产品作为研究性营养干预进行评估,不旨在替代已确立的激素治疗、病因学检查或其他有临床指征的管理。研究人群包括30至65岁、具有与雄激素缺乏相符的症状且反复确认晨间睾酮浓度偏低并伴有促性腺激素水平偏低或不适当正常的男性。参与者无论体重指数或肥胖状态如何均可纳入。
本研究聚焦于功能性继发性性腺功能减退症,即不存在原发性睾丸功能衰竭或已识别的器质性下丘脑或垂体疾病,且参与研究不会延误临床所需的检查或处理。肥胖、代谢状态、身体成分及其他可能相关的临床特征将被记录并评估为干预反应的潜在调节因素,而非作为研究人群的强制性定义特征。研究性干预是一种固定配方的口服营养补充剂,该配方通过人工智能引导的微生物组相关生物学通路及候选营养成分评估而开发。所有被分配至活性干预组的参与者将接受相同的标准化配方;该干预并非个性化方案,也不会在研究期间进行修改。
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。
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。




