通过对样本的数据处理和数据加工，提供给辅助诊断人工智能模型进行训练，帮助人工智能模型更好地理解吉林省样本场景下的预后情况分析，提取特征，发现规律，最终提高诊断人工智能模型的准确性、鲁棒性和泛化能力。
1数据采集：通过正式合作协议，从医疗机构取得匿名化的样本临床数据，包括是否有术后病理结果、术后ER(雌性激素受体)、术后PR(孕激素受体)、术后Fish，同时还要获取系统内术后Her2阴性阳性标记；2数据处理：对数据进行检查核对，确保所有数据去标志化，处于完全匿名化状态且不可还原的状态，将没有病理结果的数据去除，对异常数据进行清洗去除，对部分缺失数据进行生成式补充；3数据加工：基于数据加工规则判断规则，生成预后情况分析，具体规则为：如果ER为阳性（即ER＞0），同时满足PR>20，同时满足HER2为阴性，则预后情况判断为预后最好，反之为其他，需要更多数据分析。
| 字段名 | 类型 | 描述 |
|---|---|---|
受试者 |
-- | -- |
省份 |
-- | -- |
是否有术后病理结果 |
-- | -- |
术后ER(雌性激素受体) |
-- | -- |
术后PR(孕激素受体) |
-- | -- |
| fieldName | exampleValue |
|---|---|
| 受试者 | 2551 |
| 省份 | 吉林 |
| 是否有术后病理结果 | 是 |
curl -H "Authorization: Bearer YOUR_API_KEY" \
http://localhost:3001/api/v1/datasets/26969