【CAIE福利】癌症风险因素数据集免费分享（2000条记录，关联5类癌症与多维度风险因素）

2025-10-27 阅读量：242

为助力癌症风险评估相关的科研探索与人工智能模型开发，CAIE现面向读者免费分享一套高质量癌症风险因素数据集。该数据集整合生活方式、环境暴露及遗传信号与癌症类型的关联信息，可为机器学习建模及医学相关研究提供有力支撑。

数据集关键信息

· 样本规模：包含2000条个人层面记录，每条记录涵盖21个特征，全方位覆盖癌症风险相关的多维度信息。

· 核心关联逻辑：实现“生活方式（吸烟频率、红肉摄入、身体活动水平等）、环境暴露（空气污染程度、职业危害因素等）、遗传与健康标识（BRCA突变、幽门螺杆菌感染等）”与5类癌症类型（肺癌、乳腺癌、结直肠癌、前列腺癌、皮肤癌）的深度关联，为探索癌症风险模式提供数据基础。

· 特征与编码规范：特征编码清晰且具有一致性，包含“0-10序数强度指数”（用于表征吸烟频率、红肉摄入量等的强度/频率梯度）、BMI、年龄等基础指标，“家族史、基因突变”等二值化标识；同时可基于“综合风险指数”开展“低/中/高”风险分层，满足多样化学术与应用分析需求。

适用场景

✅ 人工智能领域：支持多类别癌症类型的机器学习模型训练与验证；可服务于癌症风险分层相关算法的开发与优化。

✅ 医学研究领域：助力生活方式、环境暴露与癌症风险的关联机制分析；支撑癌症风险因素流行率及分布规律的探索性研究。

✅ 科研教育领域：可作为癌症相关课题的教学案例，服务于数据分析实践教学（注：本数据集仅用于研究与教育目的，不可用于临床场景）。

资料获取方式

为确保数据集快速触达需求人群，提供便捷获取通道，具体步骤如下：

下载并登录第二生命APP，选择AI社区，即可发现相关数据资料。AI社区内有众多用户无偿分享的数据集，均可直接下载，欢迎加入。

注：本数据集源自Kaggle平台开放数据，仅可用于学习、研究及非商业用途。署名 4.0 国际 (CC BY 4.0) —署名后可免费使用。

CAIE将持续分享优质数据集、技术成果及行业动态，为相关领域科研与开发工作提供支持，欢迎读者持续关注。

往期数据回顾（点击查看）

恭喜你顺利通过CAIE 注册人工智能工程师认证！你的 AI 专业能力已获官方认可。愿你继续在智能时代保持领先，持续进步、不断升级。