OptimAIR：基于AsthmaOptimiser在基层医疗中实现哮喘的即时表型分析、指南评估与管理优化

数据集获取

源站：https://clinicaltrials.gov/study/NCT07390669

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：哮喘控制。呼吸系统疾病患者，包括哮喘患者，主要在初级保健机构接受管理，尤其是那些尚未经历频繁急性加重的患者。尽管如此，相当一部分患者的哮喘控制仍不理想。持续存在的症状、急性加重以及短效β₂受体激动剂（SABA）的过度使用十分常见，约40%患者的哮喘控制问卷（ACQ）评分大于1.5，提示哮喘未得到控制。此外，患者常低估自身疾病的严重程度，尽管症状持续存在且反复急性加重，仍认为自己的哮喘已得到控制。这在感知的疾病控制与实际疾病控制之间形成了差距，凸显了进行结构化评估和管理的必要性。改善哮喘照护需要根据当前国际指南（如全球哮喘防治创议（GINA）发布的指南），对哮喘控制、未来风险、触发因素规避、吸入装置使用技术以及适当的药物治疗进行系统评估。结构化的哮喘复查可能有助于发现实现更个性化管理和治疗优化的机会。

数字决策支持工具，如先前开发的AsthmaOptimiser，可在哮喘咨询期间为医疗保健专业人员提供支持，并促进基于指南的治疗决策。对于哮喘不良结局风险增加的患者，尤其是急性发作风险增加的患者，需要特别关注。新型风险预测工具，包括牛津哮喘发作风险量表（ORACLE），可能有助于识别此类患者。ORACLE评分纳入了诸如呼出气一氧化氮分数（FeNO）和血嗜酸性粒细胞计数等生物标志物。然而，这些生物标志物尚未在初级保健中常规评估，需要进一步研究以评估其在该环境中的可行性、适用性和附加价值。与此同时，多种针对呼吸系统疾病的新型药物治疗类别正在开发中。

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。