| # Guía de Descarga Manual de Datos Clínicos Restringidos |
|
|
| Para asegurar la máxima calidad médica en OncoAgent, necesitamos ciertos datos que requieren registro manual por motivos de copyright o privacidad. Sigue estos pasos para descargar los datos fundacionales: |
|
|
| ## Prioridad 1: Guías NCCN (NCCN Clinical Practice Guidelines in Oncology) |
| *Es el "Gold Standard" en EE.UU. Su inclusión hace que el RAG sea inmensamente valioso.* |
|
|
| **Paso a paso:** |
| 1. Ve a **[NCCN.org](https://www.nccn.org/login)** y haz clic en "Register". |
| 2. Completa el registro gratuito (puedes elegir el perfil de estudiante/investigador si te lo preguntan). |
| 3. Una vez iniciada la sesión, ve a la sección **"Guidelines" -> "Treatment by Cancer Type"**. |
| 4. Descarga los PDFs de los tipos de cáncer más críticos para nuestro MVP. Sugiero fuertemente: |
| - **Non-Small Cell Lung Cancer (NSCLC)** |
| - **Breast Cancer** |
| - **Colon Cancer** |
| 5. **Dónde guardar:** Mueve todos los PDFs descargados a la carpeta del proyecto: |
| `data/clinical_guides/nccn/` |
| *(Si la carpeta no existe, créala).* |
|
|
| --- |
|
|
| ## Prioridad 2 (Opcional pero Recomendada): Project Data Sphere |
| *Datos de ensayos clínicos reales. Excelente para probar el razonamiento sobre toxicidad y líneas previas de tratamiento.* |
|
|
| **Paso a paso:** |
| 1. Ve a **[ProjectDataSphere.org](https://www.projectdatasphere.org/)** y haz clic en "Register" o "Access Data". |
| 2. Completa el registro como investigador. Generalmente aprueban rápido ya que los datos están desidentificados. |
| 3. Busca datasets de ensayos de Fase III en cáncer de pulmón o mama. |
| 4. Descarga los archivos CSV de datos de pacientes (Patient-level data). |
| 5. **Dónde guardar:** Crea la carpeta y guárdalos en: |
| `data/samples/clinical_trials/` |
|
|
| --- |
|
|
| ## Prioridad 3 (Para el futuro): MIMIC-IV (PhysioNet) |
| *Notas clínicas crudas. El proceso de acceso toma días, por lo que te recomiendo iniciarlo ahora pero no bloquear el hackathon por esto.* |
|
|
| **Paso a paso:** |
| 1. Ve a **[PhysioNet (MIMIC-IV)](https://physionet.org/content/mimiciv/2.2/)**. |
| 2. Regístrate en PhysioNet. |
| 3. Completa el curso obligatorio de ética en investigación con sujetos humanos (**CITI Program** - toma un par de horas). |
| 4. Firma el *Data Use Agreement (DUA)* online. |
| 5. Una vez aprobado, podrás descargar los archivos masivos en CSV (especialmente la tabla `noteevents` o similares en MIMIC-IV-Note). |
| 6. **Dónde guardar:** |
| `data/samples/mimic_iv/` |
|
|
| --- |
|
|
| ### Siguiente paso para el agente: |
| Una vez que me confirmes que has colocado los PDFs de NCCN en `data/clinical_guides/nccn/` (o si decides saltarlo por ahora), me encargaré de descargar automáticamente mediante scripts: |
| - Guías ESMO (Open Access) |
| - Dataset PMC-Patients V2 (HuggingFace) |
| - PubMedQA (HuggingFace) |
|
|
