PiMZ 纵向队列（PiMZ Logic）
该队列纳入确诊 Alpha-1 抗胰蛋白酶缺乏（MZ 基因型）并伴阻塞性肺病的患者，在基线和三年后分别采集血液与痰液中的多种生物标志物，并进行高分辨率 CT 扫描
基本信息
资源简介
PiMZ 纵向队列（PiMZ Logic）
PiMZ Longitudinal Cohort（PiMZ Logic）来自 clinicaltrials.gov，聚焦 Alpha 1-Antitrypsin Deficiency 以及 Emphysema or COPD 人群。该队列纳入确诊 Alpha-1 抗胰蛋白酶缺乏（MZ 基因型）并伴阻塞性肺病的患者，在基线和三年后分别采集血液与痰液中的多种生物标志物，并进行高分辨率 CT 扫描。研究目标是寻找可早期识别肺功能快速恶化患者的标志物与 CT 影像特征，从而为预测疾病进展和风险分层提供依据（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：疾病：Alpha 1-Antitrypsin Deficiency、Emphysema or COPD。Alpha-1 抗胰蛋白酶缺乏患者的肺病进展存在差异，部分患者肺功能可多年保持稳定，而部分患者则进展并迅速恶化。目前尚无预测指标可帮助识别 PiMZ 患者群体中面临快速恶化风险的患者。本研究旨在识别 CT 影像中的标志物和特征，从而可能在恶化发生前早期识别这些患者。为实现这一目标，研究将随访一组确诊 Alpha-1 抗胰蛋白酶缺乏（MZ 基因型）并伴阻塞性肺病的患者，测量血液和痰液中的多种生物标志物，并在基线和三年后再次获取高分辨率 CT 扫描。如果研究能够确定可用于识别患者的标志物
【主题与分类】
主题标签：Alpha 1-Antitrypsin Deficiency、Emphysema or COPD。本站分类：呼吸系统疾病/其他。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT06505603
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/NCT06505603
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：α1-抗胰蛋白酶缺乏症、肺气肿或慢性阻塞性肺疾病（COPD）。α1-抗胰蛋白酶缺乏症患者肺部疾病的进展具有变异性，部分患者可能多年肺功能保持稳定，而有些患者则迅速恶化。目前，尚无预测指标能帮助识别PiMZ患者群体中快速恶化的高风险患者。本研究旨在识别CT影像中的标志物和特征，以便在患者恶化前早期识别。为实现这一目标，研究将追踪一组确诊为α1-抗胰蛋白酶缺乏症（MZ基因型）并伴有阻塞性肺疾病的患者，检测血液和痰液中的多种生物标志物，并在基线及三年后分别进行高分辨率CT扫描。若研究能确定有助于早期识别高风险患者的标志物，研究者或能在后续研究中探索早期干预措施，并可能找到避免严重并发症的方法。患者将被纵向随访，以评估肺功能的恶化情况。
研究程序包括：审查病史和用药史、抽血、肺量计检查、诱导痰（部分研究中心进行）、填写问卷以及胸部CT扫描。上述所有程序将在入组时进行，并在18个月和36个月时重复，但每月一次的Alpha-net急性加重问卷除外。
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。
