真实世界数据研究专区 · 数据集
I-SPY 2 试验乳腺动态增强 MRI 数据集(ISPY2)
原名:I-SPY 2 Breast Dynamic Contrast Enhanced MRI Trial(ISPY2)。
概述
这一数据集由癌症影像档案库(TCIA)发布,收录 I-SPY 2 多中心试验中 2010—2016 年随机分组的 719 名患者。患者为 18 岁及以上、无远处转移的局部晚期乳腺癌女性,来自 22 个以上临床中心。每名患者在新辅助化疗前、治疗中和治疗后最多做 4 次 MRI,影像含动态增强 MRI、T2 加权像、参数图和分割,总量 4.16 TB。临床表包括人口学、分子检测、治疗、随访、组织病理结局和影像组学特征。
新辅助化疗中的影像变化可用于早期判断疗效。研究者用它比较功能性肿瘤体积等影像指标的变化,评估其预测病理完全缓解的价值。单独下载的 719 例只是试验的一部分,结果不能直接与试验发表结果比较。
对人工智能学习的帮助
功能性肿瘤体积分析掩膜含人工划定的矩形感兴趣区与排除区,能学到 3.0 专家判断。模型可以从中学习乳腺肿瘤的分割,以及治疗中影像变化与病理缓解的关系。标注者资质与标注规模未列明。部分派生对象不完全符合 DICOM,DWI 序列未纳入,T2 图像未经整理。人群中白人占 79.3%,用于其他人群前要另做验证。
记录形态
| 项目 | 内容 |
|---|---|
| 规模 | 719 名患者,每人最多 4 次 MRI,共 4.16TB |
| 记录来源 | 研究方案采集 |
| 记录单位 | 患者 |
| 时间轴 | 纵向,新辅助化疗前、中、后共 4 次 MRI,跨度 2010—2016 年 |
| 结局 | 手术病理结局,即病理完全缓解 |
| 专家标注 | 有,分析掩膜含人工划定的感兴趣区与排除区 |
| 任务环境 | 未列明 |
数据结构
表:Table 1: Patient and study identification attributes included in all DICOM objects。
| 字段 | 含义 | 类型或取值 |
|---|---|---|
Patient Name |
患者编号、影像中心编号与试验名的组合 | Text,ACRIN-6698- |
Patient ID |
研究名加患者编号 | Text,ACRIN-6698- |
Clinical Trial Patient ID |
试验内患者唯一编号 | 6 位数字文本;DICOM (0012,0040) |
Clinical Trial Site ID |
影像中心三字母代码,已匿名化 | Text,如 SITE AAA;DICOM (0012,0030) |
Clinical Trial Visit Code |
试验访视时间点代码 | T0 基线,T1–Tn 随访;DICOM (0012,0050) |
Clinical Trial Visit Description |
访视时间点的文字描述 | baseline、early-treatment、inter-regimen、pre-surgery;DICOM (0012,0051) |
样例
表:数据字典表 1:每个 DICOM 对象都含的患者与研究标识属性。
合成样例,非真实记录。
| 患者编号 | 影像中心代码(已匿名) | 访视时间点代码 | 访视时间点说明 |
|---|---|---|---|
| ACRIN-6698-123456 | SITE AAA | T0 | baseline |
| ACRIN-6698-123456 | SITE AAA | T1 | early-treatment |
| ACRIN-6698-123456 | SITE AAA | T2 | inter-regimen |
获取
| 项目 | 内容 |
|---|---|
| 许可 | CC BY 4.0 |
| 商用 | 是,须引用 DOI |
| 申请 | 公开下载 |
质量与局限
| 项目 | 内容 |
|---|---|
| 维护方口径 | 22 个以上临床中心按标准化方案前瞻采集。超过 95% 的 DCE 数据符合功能性肿瘤体积分析要求 |
| 已知局限 | 单独下载只得 719 例,结果不能与试验发表结果比较。部分派生对象不完全符合 DICOM。DWI 序列仍在质控,T2 图像未经整理 |
所属话题
- 血液与肿瘤 › 乳腺癌
出处
https://www.cancerimagingarchive.net/collection/ispy2/;https://www.cancerimagingarchive.net/data-usage-policies-and-restrictions/;https://www.cancerimagingarchive.net/submission-and-de-identification-overview/。
审校:数巨有谱真实数据研究团队|编辑:数巨有谱AI团队