OPEN-IPF：特发性肺纤维化临床结局观察性预测模型
OPEN-IPF 是一个面向特发性肺纤维化（IPF）临床结局预测的多中心真实世界数据集，来源于意大利参与转诊中心的常规诊疗数据，回顾性纳入2015年1月1日至2025年12月31日数据锁定期间的成人IPF患者
基本信息
资源简介
OPEN-IPF：特发性肺纤维化临床结局观察性预测模型
OPEN-IPF 是一个面向特发性肺纤维化（IPF）临床结局预测的多中心真实世界数据集，来源于意大利参与转诊中心的常规诊疗数据，回顾性纳入2015年1月1日至2025年12月31日数据锁定期间的成人IPF患者。数据经去标识化/假名化后以通用数据模型采集，涵盖人口学、吸烟史、合并症、肺功能（FVC、DLCO）、氧需求、6分钟步行试验（如有）、抗纤维化治疗暴露、常规报告的HRCT特征、基础实验室参数及临床结局，主要建模目标为疾病进展、IPF急性加重（AE-IPF）等，可用于开发和外部验证AI/ML预测模型（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：疾病：特发性肺纤维化。OPEN-IPF 针对当前 IPF 领域 AI/ML 研究的局限，即缺乏具有统一变量和稳健外部验证的大型多中心真实世界数据集。该研究将回顾性纳入2015年1月1日至2025年12月31日（数据锁定）期间在参与研究的意大利转诊中心接受常规诊疗的成人 IPF 患者。不进行任何研究特定操作。将使用通用数据模型采集去标识化/假名化数据，包括人口学、吸烟史、合并症、肺功能（FVC、DLCO）、氧需求、6分钟步行试验（如有）、抗纤维化治疗暴露、常规报告的 HRCT 特征、基础实验室参数和临床结局。主要建模目标为疾病进展、特发性肺纤维化急性加重（AE-IPF）以及
【主题与分类】
主题标签：Idiopathic Pulmonary Fibrosis。本站分类：呼吸系统疾病。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT07404423
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/NCT07404423
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：特发性肺纤维化。OPEN-IPF研究旨在解决当前AI/ML在IPF研究中存在的局限性，即缺乏具有统一变量和稳健外部验证的大型多中心真实世界数据集。该研究将回顾性纳入2015年1月1日至2025年12月31日（数据锁定）期间在参与的意大利转诊中心常规实践中随访的成年IPF患者。不进行任何研究特异性操作。将使用通用数据模型收集去标识化/假名化数据，包括人口统计学资料、吸烟史、合并症、肺功能（FVC、DLCO）、氧需求、6分钟步行试验（如有）、抗纤维化治疗暴露、常规报告的HRCT特征、基本实验室参数和临床结局。主要建模目标为疾病进展、IPF急性加重（AE-IPF）以及抗纤维化治疗的真实世界反应。模型开发将使用多中心数据进行，并在各中心之间进行明确的外部验证。
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。
需要用于商业化训练或医疗器械注册（NMPA/FDA）？
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连，提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。
