干扰素-γ辅助治疗慢性肺曲霉病的随机可行性研究
该数据集来自 clinicaltrials.gov,围绕干扰素-γ辅助治疗慢性肺曲霉病(CPA)的随机可行性研究。CPA 是由曲霉属真菌引起的进行性感染,多见于慢性阻塞性肺疾病或既往接受过治疗的结核病患者,可导致肺组织逐渐破坏、继发感染和生活质量下降

基本信息
资源简介
干扰素-γ辅助治疗慢性肺曲霉病的随机可行性研究
该数据集来自 clinicaltrials.gov,围绕干扰素-γ辅助治疗慢性肺曲霉病(CPA)的随机可行性研究。CPA 是由曲霉属真菌引起的进行性感染,多见于慢性阻塞性肺疾病或既往接受过治疗的结核病患者,可导致肺组织逐渐破坏、继发感染和生活质量下降。研究关注干扰素-γ能否改善 CPA 患者的结局。数据可用于了解该试验的设计与背景,并支持呼吸系统疾病及肺结核相关研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):病症:慢性肺曲霉病、曲霉病。本研究探讨干扰素-γ治疗在改善慢性肺曲霉病(CPA)结局中的作用。CPA 是一种由曲霉属真菌引起的进行性感染,影响患有慢性肺病(如慢性阻塞性肺疾病(COPD))或既往接受过治疗的结核病(TB)的患者。它通过缓慢扩大的空洞导致肺组织逐渐破坏、频繁的继发感染和生活质量差。由于其惰性性质和非特异性 X 线表现,它常常多年未被识别。英国约有 3600 人患有 CPA。CPA 的五年死亡率可能高达 40%。CPA 的治疗依赖长期使用抗真菌药物,但只有约 60% 的患者好转。由于反应缓慢且部分患者……(源站描述在此处截断)
【主题与分类】
主题标签:Chronic Pulmonary Aspergillosis、Aspergillosis。本站分类:呼吸系统疾病/肺结核。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT05653193
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/NCT05653193
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
疾病:慢性肺曲霉病、曲霉病。本研究探讨干扰素-γ治疗在改善慢性肺曲霉病(CPA)预后中的作用。CPA是由曲霉菌引起的一种进行性感染,影响患有慢性肺病(如慢性阻塞性肺疾病(COPD))或既往接受过结核病(TB)治疗的患者。它通过缓慢扩大的空洞导致肺组织逐渐破坏、频繁的继发感染以及生活质量低下。由于其隐匿性和非特异性的X线表现,常多年未被识别。英国约有3600人患有CPA。CPA的五年死亡率可高达40%。CPA的治疗依赖于长期使用抗真菌药物,但仅约60%的患者有所改善。由于起效缓慢且部分患者会复发,治疗通常为长期甚至终身。此外,仅有一类口服抗真菌药物获批用于CPA,且伴有副作用和高昂费用。CPA需要更好的治疗方法。我们尚不清楚为何许多患者对治疗无反应。
也许CPA患者的免疫系统较弱,更易受到曲霉菌的影响。我们的数据表明,CPA患者产生的IFNγ量较低,这是一种促进免疫系统对抗曲霉菌反应的物质。我们还显示,当给予那些对抗真菌治疗未能改善的CPA患者干扰素-γ时,可以改善以患者为中心的重要结果,如肺部疾病发作或住院治疗。干扰素-γ已在英国国家医疗服务体系中用于其他适应症。因此,应探索其在CPA中的应用。然而,CPA是一种罕见病,干扰素-γ在这些患者中的耐受性尚未完全确定。为了了解在CPA中进行大规模研究是否可行,我们首先需要少量患者的初步数据。我们正在进行一项随机试
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。



