信息速览
RACE 这个词在这里不是「种族」。它是 Research to Accelerate Cures and Equity for All 的缩写，写在 2017 年《FDA 再授权法案》里，与《儿童癌症 STAR 法案》同一批通过，核心只有一句话：如果某个在研药物作用于一个与儿童癌症「实质相关」的分子靶点，药企就不能再用「罕见」当理由跳过儿科研究。把它和数据库字段里的 race 混为一谈，是国内文献里很常见的一处错位。本篇讲的是 NCI 在这一政策背景下搭起来的那套东西：儿童癌症数据计划（CCDI）与它旗下的罕见癌症研究，以及一套能公开查询的统计探索器。
「罕见」这个词在儿童肿瘤里有双重含义。所有儿童癌症加起来只占全部新发癌症的百分之一到三，按任何定义都算罕见；而在罕见之中还有一层「极罕见」——每百万人年新发不足两例的那一批。NCI 官方页面给出的估计是，这些极罕见肿瘤约占全部儿童癌症的百分之十一。一亿人里分布着两百个病例，摊到几十家医院，每家一年见不到几个。
真正的困境不是没有数据，而是分母太小。一种癌一年几百例，任何单中心都做不出统计功效，所以罕见癌研究天生就是「必须合并」的研究。合并的难点却不在技术，在分类学——什么叫「同一种罕见癌」，这个问题的答案决定了一切。一屏速览见下表。
| 维度 | 内容 |
|---|---|
| 正式名称 | NCI Childhood Cancer Data Initiative（CCDI）及旗下 Pediatric, Adolescent, and Young Adult Rare Cancer Study |
| 中文常用名 | 儿童癌症数据计划；CCDI 罕见癌症研究 |
| RACE 的含义 | Research to Accelerate Cures and Equity for All，法案名，不是种族字段 |
| 与「种族」的关系 | 无。仅在英文拼写上撞词，属于同名不同物 |
| 出品方 | 美国国立癌症研究所（NCI），牵头单位为 NCI 数据共享办公室（ODS） |
| 启动时间 | 2019 年国情咨文提出，2020 财年起每年投入五千万美元，规划十年 |
| 数据形态 | 平台与目录，不是单一数据包；患者级数据受控，公开层是聚合统计 |
| 目录规模（官方口径） | 250 余套儿童癌症数据集，由 53 个来源贡献 |
| 公开统计层 | NCCR*Explorer，至多 29 个登记处，覆盖约 76% 美国人口，2003–2023 |
| 分子层 | MCI，CLIA 环境下的肿瘤/正常外显子、甲基化、融合 Panel，更新版覆盖 1,552 人 |
| 罕见癌研究 | 39 岁及以下、一年内确诊、极罕见实体瘤，随访五年，入组中 |
| 指标单位 | 每百万人年发病率、相对生存率、患病率、年度变化百分比 |
| 许可 | 页面内容按 NCI 复用政策；受控数据按 DUA；目录收录的数据集沿用原许可 |
| 是否有可直接下载的总包 | 无 |
| 一句话定位 | 一套把分散的极罕见儿童癌数据汇成可查询统计与可申请样本的联邦基础设施 |
§1 它要解决的具体麻烦
1.1 一个癌种一年凑不满一个统计检验
先做一个粗算，不为精确，只为说明量级。美国每年确诊的儿童癌症约在一万二千例量级（文献常见口径，本页未直接从登记处核对）。按官方说法极罕见者约占百分之十一，即每年一千多例，散在肾上腺皮质癌、鼻咽癌、甲状腺癌、促结缔组织增生性小圆细胞肿瘤、神经内分泌肿瘤、胰母细胞瘤、胸膜肺母细胞瘤、视网膜母细胞瘤等十余个类别，平均每类每年几十例。
这几十例不会集中在一家医院。儿童肿瘤诊疗高度集中在儿童肿瘤学组（Children’s Oncology Group, COG）网络里，但即便在此网络内，某个极罕见亚型也可能全年只在两三家中心各有几例。研究者手上或许只有九个病例——够写病例系列，却撑不起一个置信区间，更撑不起「A 优于 B」的比较。
于是问题从「有没有数据」变成「谁手里有数据、怎么拼起来」。CCDI 的设计就围着这点转：官方在《临床肿瘤学杂志》的计划文章里写得直白——从每一个确诊儿童癌症的患者身上学习，为此搭建让收集、共享与分析都可行的生态。
§4.1 的案例把这层意思演过一遍：同一个癌种，换一套分类就换一批人。
本文的主轴因此是「分母」而不是「数据量」。CCDI 交付的不是一张表，而是一套把分母拼起来的机制：登记处解决「有多少人得了」，分子分型解决「这病在分子上是什么」，罕见癌症研究解决「病程怎么走」，目录解决「别人手里还有什么」。
1.2 三条常见的错误期待
第一条：把它当成能下载的数据集。 搜「RACE rare cancer dataset」容易落到 NCI 介绍页，页面写着「研究」「数据」「免费」，便以为找到了压缩包。实际上 CCDI 是项目名加平台集合，公开层能下载的只有探索器查出的统计结果（CSV），患者级数据在受控访问层。
第二条：把它当罕见病数据库。 CCDI 管的是儿童与年轻成人的癌症，不是广义罕见病。它与 Orphanet、OMIM 那类罕见病本体不是一回事：后者关心「这个病是什么、由哪个基因引起」，CCDI 关心「这批患者在哪、分子分型和结局如何」。CCDI 有一个工作组就叫「儿童疾病本体（Pediatric disease ontology）」，说明本体这件事他们自己也还在做。
第三条：把 RACE 理解成按种族分层做公平性研究。 CCDI 的统计确实有种族与族裔维度，探索器可以按 race/ethnicity 分组看发病率，但那是统计分组，与 RACE 法案毫无关系。若在论文里写「RACE 数据集包含种族信息」，审稿人看到的是两个不同的东西被硬拼在一起。
第四条：把它当成一次性资源。 它是年度更新的基础设施，每个数字都带时效。第五条：把它当成 FDA 的产品——CCDI 做数据，RACE 由 FDA 执行审评，审批权始终在监管一侧。
1.3 它能给到的与给不到的
| 你的需求 | 它给的 | 够不够 |
|---|---|---|
| 某极罕见儿童癌在美国的发病率趋势 | NCCR*Explorer 按 ICCC 部位的年度发病率与 APC | 够，但稀有单元会被抑制或合并 |
| 五年相对生存率 | 探索器提供 1、3、5 年相对生存与趋势 | 够，注意是相对生存不是总生存 |
| 患者级明细用于建模 | 无公开层；受控数据需 DUA | 不够，除非走 dbGaP 申请 |
| 分子分型（融合、甲基化、外显子） | MCI 数据在 dbGaP phs002790 | 部分够，需申请且范围限于入组癌种 |
| 极罕见癌的自然史与真实世界病程 | 罕见癌症研究在建，目标是核心数据集 | 暂不够，研究仍在入组 |
| 外部对照组的构建 | 官方明确把「为试验提供外部对照」写为目标 | 方向对，但尚需等数据释放 |
| 找一个还没被研究过的靶点 | 分子靶点平台与 OpenPedCan 的整合 | 部分够，需另查具体平台文档 |
| 按 ICD-O-3 组织学编码做罕见癌检索 | 探索器按 ICCC 分类，不是逐条 ICD-O 码 | 不够，ICCC 是归类不是原始码 |
这张表最该留意的是最后一行。很多人拿手上的 ICD-O-3 编码去检索却发现没有入口——探索器只接受 ICCC 的部位与亚部位，编码须先映射。而映射并不一对一：一个亚类可能覆盖若干 ICD-O-3 组合，一个编码也可能随版本落到不同亚类。§4.1 的案例正是从这一点展开。
1.4 你的处境与它能帮到的事
| 你的处境 | 它能帮你什么 | 下一步该做什么 |
|---|---|---|
| 手上只有一家医院的极罕见癌病例，想找对照 | 探索器给出全国层面的发病率与生存基线 | 先用探索器建立人群基线，再考虑申请受控数据做个体匹配 |
| 在写儿童肿瘤药的儿科研究计划 | 理解 RACE 法案的触发逻辑与「实质相关靶点」的含义 | 回到法规原文核对靶点清单，不要只看二手综述 |
| 要做儿童癌的分子分型分析 | MCI 提供 CLIA 级别的外显子、甲基化、融合数据 | 走 dbGaP 申请，注意 DUA 对二次分发的限制 |
| 想做一个罕见癌的登记研究 | 罕见癌症研究的入组标准与数据字段设计可作为模板 | 对照其纳入标准（39 岁及以下、一年内确诊、实体瘤）自查 |
| 需要向患者家庭解释为什么研究慢 | 分母数字可以用来说明「为什么这类研究必须合并」 | 引用官方页面的极罕见定义，不要自造阈值 |
| 已经有队列，想找同类队列合并 | 数据目录可检索同癌种的贡献方 | 通过目录里的联系入口直接对接，而非指望统一接口 |
| 想复现一篇儿童癌流行病学论文 | 探索器的数据版本与 ICD-O-3/ICCC 版本可核对 | 记录查询日期与数据截止年份，二者都影响结果 |
1.5 一句话判断
它不是一个数据集，而是一台把极小分母焊成大分母的机器；你能拧开的只有统计那一层，分子与个体两层都要钥匙。
1.6 不适合谁：四条边界
第一，不适合想拿它训练模型的人。 公开层没有患者级记录，也没有影像，只有聚合到癌种与人群分组的统计序列。拿它做机器学习，等于用十几条曲线训练一个模型。
第二，不适合需要即时数据的项目。 罕见癌症研究还在入组，官方页面的说法是「随着计划推进将分享更多数据信息」。任何现在就要用的项目都不该把它排进关键路径。
第三，不适合把统计当临床证据的人。 探索器给的是人群层面的发病与生存，不能用来判断某个具体患者的预后。第四，不适合非儿童肿瘤场景：年龄上限 39 岁，分类用的是 ICCC（儿童癌症国际分类），与成人癌按器官系统分型的习惯并不对齐；做成人罕见癌的应去查 SEER 的全年龄统计网络。
§2 数据构成与规格
2.1 四层结构：从目录到个体
CCDI 的数据生态不是一个库，而是四层，每层的开放程度不同。理解这四层，比记住任何单个数字都重要。
第一层是目录层，官方称 CCDI Data Catalog。它是索引，收录 250 余套与儿童癌症相关的数据集，来源五十余个。记录会告诉你这套数据是什么、包含什么类型、覆盖多少受试者、怎么访问。它不存数据本身。
第二层是统计层，代表产品是 NCCR*Explorer。这一层的数据已经聚合过，记录单位是「癌种 × 指标 × 人群分组 × 年份」的序列。它开放，可以查、可以画图、可以导出 CSV。
第三层是分子层，代表产品是分子特征计划（MCI）与分子靶点平台。MCI 在 CLIA 认证环境下对入组患者做肿瘤/正常全外显子测序、甲基化芯片、融合 Panel，并出具去标识化临床报告。数据进 dbGaP，受控访问。
第四层是个体层，就是罕见癌症研究本身。它是一项纵向观察性研究，随访五年，目标是建成一个核心数据集，把极罕见癌患者的真实世界病程记录下来。
这四层的意义在于：越往下越接近个体，越往下门槛越高。所谓「数据整合」，在 CCDI 的语境里，很大程度上就是这四层之间的路由问题——什么时候该用哪一层，用什么手续进入下一层。
| 层级 | 代表产品 | 记录单位 | 开放程度 | 典型用途 |
|---|---|---|---|---|
| 目录层 | CCDI Data Catalog | 一套数据集 | 公开可读 | 找同癌种的其他队列 |
| 统计层 | NCCR*Explorer | 一条统计序列 | 公开可查可导出 | 人群基线、趋势 |
| 分子层 | MCI、分子靶点平台 | 一个患者的一次检测 | 受控访问 | 分子分型、靶点 |
| 个体层 | 罕见癌症研究 | 一个患者的一次随访 | 尚未开放 | 自然史、外部对照 |
四层之间是有依赖的：个体层要建成，得先有分子层的结果；分子层要能被找到，得先有目录层的著录；统计层则要靠登记处，而登记处本身在目录里也各有著录。这解释了一个常见困惑——目录里明明有两百多套数据，真正能直接打开的却不多，因为目录收录的是「存在性」，而存在的东西有的在受控层、有的在机构内部、有的已停更。目录让你知道「这件事有人做过」，不是让你「立刻拿到」。
2.2 字段/记录的完整字典
统计层的字段最具体，绝大多数公开用途也都落在这一层。下表按探索器页面上可选的参数整理。
| 字段 | 取值/范围 | 含义 | 使用注意 |
|---|---|---|---|
| Cancer Site | ICCC 第三版按 ICD-O-3/IARC 2017 定义 | 癌种部位，可到亚部位 | 不是 ICD-O-3 原始组织学编码 |
| Statistic | 发病率、美国死亡率、相对生存、患病率、诊断/死亡风险 | 指标类型 | 死亡率与发病率分母不同 |
| Sex | 男、女、全部 | 性别 | 稀有组合会触发抑制 |
| Race/Ethnicity | 按登记处上报的族裔分组 | 人群分组 | 与 RACE 法案无关 |
| Age | 单岁或专用年龄组 | 诊断年龄 | 有儿童与 AYA 专用分组 |
| Year Range | 2003 起至数据截止年 | 诊断年份 | 生存数据截止年早于发病数据 |
| Graph Type | 趋势、近期率、按年龄率、五年生存、按诊断后时间生存、条件生存 | 呈现方式 | 趋势用 joinpoint 拟合 |
| APC | 年度变化百分比 | 趋势斜率 | 附置信区间 |
| Confidence Interval | 上下界 | 不确定性 | 稀有单元区间会很宽 |
| Data Table | 表格形式 | 数值明细 | 可导出 CSV |
| Prevalence | 数量或百分比 | 某日存活的曾确诊者 | 与发病率概念不同 |
| Lifetime Risk | 概率 | 一生中诊断或死亡风险 | 罕见癌种估计不稳 |
三个陷阱值得一提。其一是分母：人口分母来自登记处覆盖区而非全美，率不能直接套到全美人口上算绝对数。其二是年龄标准化：按单岁切分时调整意义下降，看的更多是「这个年龄段实际发生了什么」。其三是诊断年份：上报有延迟，把最近一年当最终值是最容易犯的错。
2.3 一条记录的完整解剖
下面的示例是一条查询结果的形状，用文本块表示，字段名对齐探索器，数值为示意，不作为统计引用。
#-- NCCR*Explorer 查询结果的一条记录（示意形状，数值非引用值）
cancer_site : "Retinoblastoma" # ICCC 部位
site_code_system : "ICCC Recode Third Edition, ICD-O-3/IARC 2017"
statistic : "Incidence"
sex : "Both sexes"
race_ethnicity : "All races"
age_group : "0-4 years"
year_range : "2019-2023"
rate_per_million : <suppressed-or-modeled>
apc : <value>
apc_ci : "<lower>, <upper>"
count : <suppressed-if-small>
data_release : "data through 2023"
export_format : "CSV"
读到这条记录，至少要问四个问题。第一，year_range 是聚合的五年还是单年？期率用的就是最近五年聚合，趋势用的是逐年序列，两者不能混。第二，count 为什么是空的？极罕见癌种单年计数过小，登记处会做抑制，这时只能看率不能看例数。第三，apc 的置信区间有多宽？区间跨零意味着「看不出趋势」，而不是「没有趋势」。第四，data_release 是哪一版？生存与发病的截止年份不一样，官方明确生存估计截止更早。
从这一条记录还能衍生出几个常被混用的指标，值得一次说清。
发病率是「一年新增多少人」，单位每百万人年；患病率是某一天有多少曾确诊者活着。二者关系取决于生存期：发病率稳定而生存期变长，患病率会持续上升，儿童癌因治愈率高尤其明显。相对生存是比值不是绝对概率；条件生存在长期随访里更贴合家属关心的问题。终身风险分母是全人群寿命，对极罕见癌极小而敏感。年度变化百分比是趋势的斜率不是水平值，「上升很快」与「绝对数很小」可以同时成立。
2.4 各层的数据量与更新节奏
| 层 | 规模口径 | 来源 | 更新节奏 |
|---|---|---|---|
| 目录层 | 250 余套数据集 / 53 个来源 | NCI 官方介绍文档 | 持续增补 |
| 统计层 | 至多 29 个登记处，约 76% 人口 | 探索器首页 | 年度更新，2026 年 10 月版含至 2023 年 |
| 统计层时间跨度 | 2003 年起 | 探索器首页 | 发病至 2023，生存至 2022 |
| 分子层 | 一千五百余名患者（某次更新口径） | NCI 官方介绍文档 | 随 MCI 入组滚动 |
| 分子层检测内容 | 外显子、甲基化、融合 Panel、去标识临床报告 | 官方介绍文档 | 随 MCI 扩展 |
| 个体层 | 入组中，规模未公布 | 官方研究页 | 随访五年 |
| 联邦投入 | 每财年五千万美元，规划十年 | 官方 about 页 | 财年制 |
| 统计层分组维度 | 癌种、性别、族裔、年龄、年份五个轴 | 探索器应用页 | 年度更新 |
| 分子层检测覆盖范围 | 仅限 MCI 入组癌种，官方称将逐步扩展 | 官方介绍文档 | 随入组滚动 |
这里有一个必须说清楚的内部不一致。关于 NCCR 覆盖，官方存在两个口径：一份较早的介绍文档说「至多 24 个登记处、覆盖 69% 人口、1999 年起」；探索器当前页面说「至多 29 个登记处、覆盖 76% 人口、2003 年起」。差额来自登记处加入与数据起点的调整，官方没有逐项说明构成。引用时应当写明用的是哪一版。
2.5 它与同类资源的字段差异
| 资源 | 记录单位 | 年龄范围 | 分类体系 | 开放层 |
|---|---|---|---|---|
| CCDI / NCCR*Explorer | 统计序列 | 0–39 岁 | ICCC 第三版 | 公开查询与导出 |
| SEER 统计网络 | 统计序列 | 全年龄 | 主要部位 | 公开查询 |
| TCGA | 样本/患者 | 成人为主 | 癌种项目 | 受控+公开衍生 |
| TARGET | 样本/患者 | 儿童与年轻成人 | 癌种项目 | 受控+公开衍生 |
| Orphanet | 疾病实体 | 不适用 | ORPHA 码 | 公开本体 |
| 库内 RareBench | 病例问答 | 混合 | 罕见病 | 公开 |
§3 制度背景：RACE 法案为什么要管到儿童身上
3.1 一部法案，不是一个字段
要把 RACE 讲清楚，得回到 2017 年。那一年美国通过了《FDA 再授权法案》，里面有两件事常被一起提起：一件是《儿童癌症 STAR 法案》（Childhood Cancer Survivorship, Treatment, Access, and Research Act），管的是幸存者、生物样本库与登记；另一件就是 Research to Accelerate Cures and Equity for All，简称 RACE for Children Act。
名字里的「All」值得停一下。它不是修辞，而是法案的立法意图：儿童不该因为「人少」而被排除在药物开发之外。这个意图和数据的关系在于——要有证据说明「儿童身上确实存在这个靶点」，否则「排除」看起来就是合理的。所以 RACE 表面上是法规，实质上是给儿童肿瘤分子数据创造了刚性需求。
RACE 的机制可以概括为一个「触发—豁免」结构。传统上，药企开发一个成人抗癌药，如果该药针对的疾病在儿童中不存在，可以申请儿科研究豁免。问题在于，很多分子靶点在成人与儿童肿瘤中同时存在，只是频率不同；药企只要说「这个适应症在儿童中没有」，就能合法地不做儿科试验。RACE 改的是这条路径：如果药物的分子靶点与儿童癌症的发病或进展「实质相关」，豁免就不再自动成立，药企必须提交儿科研究计划。
这里有三个词值得拆开。「分子靶点」不是「适应症」，它比适应症更细——同一个靶点可以在十几个癌种里表达，药企不能只挑一个儿童里没有的适应症来规避。「实质相关」是个需要证据的判断，证据来自分子分型数据，这正好解释了 NCI 为什么要建 MCI。「儿科研究计划」是时间点的要求，不是要求立刻做出疗效结论。另外，射程内的不止大分子靶向药：小分子抑制剂、抗体与抗体偶联药物，只要机制落在实质相关的靶点上都在其内，受影响的药物数量远大于「儿童肿瘤靶向药」的字面印象。
3.2 例外条款与它的现实意义
法案不是一刀切。它为「不适合在儿童中研究」的情形留了口子：如果药物靶点与儿童癌症无关，或者有证据表明该药在儿童中不会有效或不可行，可以申请豁免。这个口子的存在，恰恰说明了分子数据的重要性——你要么有证据证明靶点在儿童癌里不表达，要么就得做研究。空口说「儿童没人得这病」，在 RACE 之后不再是充分的理由。
对研究者来说，这条逻辑有一个可操作的推论。当你打算说「这个癌种太罕见，做不了试验」时，需要分清两件事：一是「患者太少做不了随机对照」，二是「生物学上不值得做」。前者可以用外部对照、单臂设计、贝叶斯方法去补，后者才是否决理由。RACE 的法理基础正好落在这条区分上：罕见不是豁免的理由，无关才是。
3.3 一条时间线：法案、计划与数据的三重对齐
| 时间 | 法案侧 | 数据侧 | 对齐点 |
|---|---|---|---|
| 2017 | FDA 再授权法案通过，含 RACE 条款 | 无 | 制度先立 |
| 2017 | 儿童癌症 STAR 法案通过 | 登记与生物样本库获授权 | 人这一侧先动 |
| 2019 | — | CCDI 提出并召开研讨会 | 数据侧立项 |
| 2020 财年 | — | 稳定预算到位 | 资金对齐 |
| 2020 年 8 月 | RACE 条款生效 | MCI 分型服务推进 | 需求与供给接上 |
| 2023 | — | 计划文章发表，MCI 数据更新 | 公开阐述蓝图 |
| 2026 | 执行中 | 探索器数据更新至 2023 年 | 常态化运转 |
时间上也对得上。法案 2017 年通过，2020 年 8 月生效；CCDI 2019 年启动，2020 财年起拿到稳定预算。中间那一年多的空档，正好是 NCI 在搭分子分型的架子。一篇 2026 年发表的小儿急性髓系白血病综述在摘要里直接写明，儿科试验之所以能把成人 AML 的新发现带进来，部分原因就是 RACE 法案自 2020 年 8 月起生效。这句摘要式的表述，把「法案—试验—数据」三者串成了一条线。
3.4 为什么这不是「强制儿童做试验」
这是公众讨论里最常见的误解。法案要求的是提交研究计划，不是要求儿童必须入组，更没放宽伦理门槛——知情同意、最小风险、潜在获益一条都没动。它改变的是「研发方是否可以不做」：默认从「可以不做」变成「需要说明为什么不做」。
对罕见儿童癌，这个转向的意义特别大。过去一种极罕见肿瘤可能永远等不到专门的试验，因为药企没有义务；现在只要它涉及的靶点在射程内，药企至少要把计划写出来。计划写出来，就意味着有人去梳理这个癌种的分子背景、患者分布与可行设计——而这恰恰是 CCDI 的数据能直接服务的地方。
3.5 候选名与实体的对应关系
派发时的候选名是「RACE 相关罕见癌探索器」。核实之后，需要把对应关系讲明白，因为这里有三层错位。
第一层，RACE 是法案名，NCI 并没有一个叫「RACE Explorer」的产品。NCI 页面在描述 CCDI 工具时提到，这些工具有助于配合 RACE 法案的要求——说明的是用途，不是命名。
第二层，NCI 确实有一个「罕见癌」项目，全称是 Childhood Cancer Data Initiative Pediatric, Adolescent, and Young Adult Rare Cancer Study，简称 CCDI Rare Cancer Study。它是一项研究，不是一个探索器。
第三层，NCI 也确实有一个「探索器」，但它叫 NCCR*Explorer，看的是儿童与年轻成人的癌症统计，不专门看罕见癌。罕见癌在其中的位置是「可以被筛出来的一个很窄的切片」。
把这三层叠起来，候选名最接近的实体是 CCDI 这个项目本身，而不是某一个产品。本文因此以 CCDI 为实体，把 RACE 作为制度背景、把 Rare Cancer Study 作为项目、把 NCCR*Explorer 作为可查询的公开层分别写清楚。
| 候选名中的成分 | 实际对应 | 是否同一个东西 | 说明 |
|---|---|---|---|
| RACE | Research to Accelerate Cures and Equity for All | 是法案，不是产品 | 见于 2017 年 FDA 再授权法案 |
| 罕见癌 | Rare Cancer Study | 是研究，不是平台 | 项目页标题即含此名 |
| 探索器 | NCCR*Explorer | 是探索器，但不专看罕见癌 | 覆盖 0–39 岁全部癌种 |
| 儿童癌 | CCDI 整体 | 上位概念 | CCDI 覆盖全部儿童与 AYA 癌 |
| 数据集 | 无单一数据集 | 不成立 | 只有分层平台与受控访问数据 |
3.6 它不提供什么：一个反向清单
写清「不给什么」比罗列「给什么」更有用。
它不提供全国全量的患者级数据。这是联邦计划而非强制上报系统，登记处覆盖约四分之三人口；即便某个登记处覆盖了你所在医院，探索器里能看到的也只是聚合结果。
它不提供影像：分子靶点平台做的是分子层面的事，不是放射组学。它也不提供实时数据：统计层年度更新，分子层随入组滚动，个体层尚未释放；目录是索引，不是联邦查询引擎。
最后两点最易被误以为会有：它不提供治疗建议或预后判断，所有产品都是研究用途。它也不提供「RACE 靶点清单」：法案规定的是判定原则，某个靶点是否被认定为实质相关要看监管文件与药企提交的研究计划，平台给的是表达证据而非裁决。
3.7 两个名字撞词的代价
RACE 与 race 撞词不是小事。它在检索层面造成的麻烦，比很多人想的大。
麻烦之一是文献检索：用 race 查会捞回大量人群差异研究，用 RACE 查又会捞回随机对照试验的缩写，两边结果几乎不重叠，真正相关的那一小块很容易被漏掉。麻烦之二是跨语言转述：「种族」「人种」「族群」都可能译回 race，而 RACE 法案若被译成「种族法案」就走了原意。麻烦之三在数据字典：任何患者表都有 race 字段，任何 CCDI 简介都会提到 RACE 法案，二者同段而不加说明，混淆几乎必然。
§4 质量与特色：分母是怎么被拼起来的
4.1 案例：视网膜母细胞瘤在一张图上的三种尴尬
用一个具体癌种把问题走一遍，最能说明「分母」这件事。选视网膜母细胞瘤（retinoblastoma），因为它在 NCI 的极罕见名单里被明确点名，而且是少数有明确单基因驱动（RB1）的儿童肿瘤，正好能同时演示分类、分母与分子三层。
第一层尴尬在分类。 视网膜母细胞瘤在 ICCC 里有自己的位置，看着干净。但同一批患者若按 ICD-O-3 组织学编码看，会遇到「未特指」与若干细分编码并存；再按部位看，眼球的解剖亚部位又能拆出若干层。三种体系各切一刀，切出来的「同一种病」并非同一批人。这就是开篇说的分类学难题：不是技术做不了 join，是 join 的键对不上。
第二层尴尬在分母。 这是每百万人年新发不足两例的病。放到全美三亿多人里一年几百例，已算极罕见中较常见的；但一旦按年龄再切一层（比如 0–4 岁）或按族裔再切一层，单元计数就掉到需要抑制的水平。抑制是为防重识别，代价是「想看的那个切片恰好看不见」。
第三层尴尬在分子。 视网膜母细胞瘤的驱动基因相对单一，RB1 双等位失活是核心事件，靶点清楚。这也让它成为反例里的正面案例：若所有儿童癌都这样驱动单一，RACE 要解决的问题会小很多，而现实是多数儿童癌的驱动结构远比它复杂。
三层叠起来就是 CCDI 的真实工作量分布：分类对齐吃掉最多精力，分母拼接决定能否出结论，分子分型决定结论有无临床落点。§4.2 将逐一展开。
| 层面 | 视网膜母细胞瘤的具体表现 | 对应的 CCDI 组件 | 结果 |
|---|---|---|---|
| 分类 | ICCC 部位、ICD-O-3 组织学、解剖亚部位三套切法 | 疾病本体工作组、ICCC 重编码 | 需人工核对映射 |
| 分母 | 每百万人年不足两例，分层后单元过小 | 登记处合并、抑制规则 | 只能看率不能看例数 |
| 分子 | RB1 双等位失活为主，靶点相对单一 | MCI 外显子与甲基化 | 可测，但样本量仍小 |
| 结局 | 生存率高，长期随访关注第二原发 | 相对生存与条件生存 | 需长随访窗口 |
| 试验 | 单中心难以支撑随机对照 | 罕见癌研究的外部对照设想 | 尚在建 |
换个角度看，第三个层次的问题是：即使把病定义清楚、把分母拼大，能在分子层面被靶向的那部分患者可能只占很小一块。视网膜母细胞瘤的 RB1 通路很明确，针对它的靶向药却不多，因为 RB1 是抑癌基因，失活之后不像激酶那样有现成的开关可以关掉。§4.3 会说明：儿童癌的驱动事件类型决定哪些靶点可成药。
所以这个案例的完整教训是三层叠加的：分类决定你研究的是谁，分母决定你能不能得出结论，分子决定结论能不能落到治疗。三层随便哪一层出问题，整条链就断了。CCDI 的四层结构，本质上就是在给三层各配一套基础设施。
4.2 分类学才是真正的瓶颈
技术上把十几个登记处的数据拼起来不难，难的是定义「什么算同一条记录」。ICD-O 编码由三个轴构成：部位（topography）、形态学（morphology）、行为（behavior），一个肿瘤的完整编码是三者组合。组合数是乘法级的——部位上百、形态学上千、行为四类，理论组合十万量级，实际出现的也有数万。
ICCC 把组合折叠成层级：十二个大类、亚类、亚亚类。折叠让统计可行——没人能用十万个格子画趋势图；但折叠本身是一次判断：形态学不同而临床视为一类的会被塞进同一格，临床截然不同的可能只差一个亚亚类。
这就产生了罕见癌研究里反复出现的争执：两个中心报的「同一种罕见癌」到底是不是同一种？ 一边按 ICCC 亚类入组、一边按 ICD-O-3 形态学入组，合并出的队列在统计上是可疑的。这不是谁做错了，而是分类体系本身没有唯一正确的粒度。
CCDI 对此的回应是设了一个专门的工作组，名字就叫「儿童疾病本体」（Pediatric disease ontology）。这个工作组的任务不是发明新分类，而是在既有体系之间建立可追溯的映射，让「这个 ICCC 格子对应哪些 ICD-O-3 组合」成为一条可以查、可以复现的规则，而不是每个研究者凭经验判断。
ICCC 的第一级是十二个大类，大致可以概括为：白血病、淋巴瘤与网状内皮肿瘤、中枢神经系统肿瘤、交感神经系统肿瘤、视网膜母细胞瘤、肾肿瘤、肝肿瘤、骨肿瘤、软组织肉瘤、生殖细胞肿瘤、其他上皮肿瘤与黑色素瘤、其他与未特指。这个层级的划分逻辑不是按器官，而是按「儿童肿瘤的实际分布与生物学相似性」，这与成人癌按器官系统的分法有本质区别。
举个例子。成人癌里「肺癌」是一个自然的大类，因为绝大多数肺癌是上皮来源的。儿童肺部的恶性肿瘤却大多是胚胎性肿瘤（胸膜肺母细胞瘤），与成人肺癌在生物学上没有可比性。ICCC 把这类肿瘤放进软组织或「其他」类，而不是放进「呼吸系统」，就是承认了生物学优先于解剖。
这种按生物学归类的做法，对罕见癌研究是好事：它让同源肿瘤即使长在不同器官也能归到一起，扩大了分母。副作用是临床医生按器官查找时会发现「这个器官没有对应癌种」，理解这点能省下大量检索时间。
4.3 分子逻辑为什么和成人不一样
第二个特色是分子层面。儿童癌与成人癌的差别不只是「年龄小」，而是驱动逻辑不同。
成人癌的典型图景是突变累积：一个上皮细胞经历几十年，攒下几十个突变，逐步越过增殖、凋亡、修复的闸门。儿童癌没有这个时间窗，典型图景是「少数几个事件，发生得早」——一个融合基因、一个发育通路的异常激活、一次表观遗传重编程，就足以在几年内形成肿瘤，某些儿童肿瘤的突变负荷低到个位数。
这带来两个后果。其一，成人癌的靶向药逻辑在儿童身上可能完全不适用：药企按成人突变谱设计的抑制剂，面对的靶点在儿童肿瘤里可能压根不表达，或表达但不驱动——这才是 RACE 要求儿科研究的真意，不是不信任外推，而是外推的分子基础不成立。其二，儿童癌更依赖发育通路，很多驱动事件落在胚胎期的信号通路上，这些通路在成人组织里已关闭或沉默，于是儿童与成人的靶点库只有部分重叠，重叠的那部分才是 RACE 能起作用的地方。
MCI 的设计就是围绕这一点：用肿瘤/正常配对的全外显子测序找体细胞变异，用甲基化芯片做中枢神经系统肿瘤的分型（甲基化谱在中枢肿瘤分型里是硬通货），用融合 Panel 抓结构变异。这三项合起来，恰好覆盖了儿童癌最常见的三类分子事件。
| 项目 | 成人癌常见图景 | 儿童癌常见图景 | 对数据的要求 |
|---|---|---|---|
| 突变负荷 | 高，数十至数百 | 低，常为个位数 | 需高深度测序 |
| 主导事件 | 点突变累积 | 融合、拷贝数、表观 | 需融合 Panel 与甲基化 |
| 驱动通路 | 增殖、凋亡、修复 | 发育通路 | 需发育期表达参照 |
| 靶点可外推性 | 同类癌种间较高 | 与成人低 | 不可假定外推 |
| 临床试验规模 | 大 | 极小 | 需外部对照 |
儿童癌里最常见的两类是急性淋巴细胞白血病（约占四分之一）与中枢神经系统肿瘤（约占五分之一），但即便是这两类，内部也还能切出多个分子亚型。一篇 2021 年的综述摘要给出了这组比例，并指出：由于亚型众多，即便较常见的儿童癌，单个亚型的诊断数也很少，临床试验依然是难题。这也解释了 CCDI 为什么把甲基化谱放在中枢肿瘤分型的核心位置——亚型分不准，就谈不上把同一亚型的病例凑到一起。
4.4 相对生存这个指标的口径
NCCR*Explorer 的生存指标是相对生存，不是总生存。相对生存的算法是把观察生存除以背景人群的期望生存，用来剔除「这些人本来也可能因别的原因死亡」的影响。对儿童与年轻成人，这个校正很关键，因为他们的背景死亡率很低，相对生存与总生存的差距不大；但跨年龄比较时，不看口径就会误读。
探索器页面还提供了条件生存（conditional survival）这个视图。条件生存回答的是「已经活过 N 年的人，再活 M 年的概率」，对长期随访的儿童癌患者尤其有用，因为诊断时给的五年生存率对一个已经存活三年的人意义有限。
4.5 目录层的质量：索引的可信度
目录层 250 余套数据集的质量，取决于著录的准确性而不是数据本身。官方描述说，目录不只列数据集，还给出访问链接、参与者人口学信息、数据类型与受试者数量，并支持导出列表。实际意义是：你可以用目录做一次快速的「谁还有这类样本」扫描，但不能用目录做「总共多少患者」的加总——各条记录之间的计数口径不统一，有的报样本数、有的报患者数、有的报家系数、有的根本不报，加出来的和没有意义。
§5 取数与接口
5.1 公开层的三种取数方式
第一，网页交互。在探索器里选癌种、指标、分组、年份，看图表，这是最常用的方式。
第二，结果导出。探索器支持把数据表导出为 CSV，也支持导出图像、分享带参数的链接。这是可复现性的关键：分享链接让别人回到同一组参数。
第三，统计层的另一下载入口。NCCR 数据也通过 SEER*Stat 应用与 NCCR 数据平台提供，适合需要批量处理的研究者。
需要说明的是，探索器的应用页是交互式前端，抓取根路径得到的只是壳页面，不构成数据接口——核实阶段直接请求应用根地址，返回的是前端骨架而非 JSON。因此下文示例围绕「导出文件」与「参数化链接」来写，不伪造并不存在的 REST 端点。
这不是技术疏忽，而是常见的前端架构选择：数据走内部接口，不对公网开放文档。实际影响是不能写脚本批量抓取，只能人工查询后导出；批量分析要靠 SEERStat 或 NCCR 数据平台。任何声称「NCCRExplorer 开放 API」的教程都值得怀疑。
5.2 用参数化链接固定一次查询
最稳妥的可复现做法是把查询参数固化在链接里，写进方法学部分。
#-- 把一次查询的可复现要素写成清单，随论文附录一起提交
cat > nccr_query_record.txt <<'EOF'
dataset : NCCR*Explorer
release_note : data through 2023
site_system : ICCC Recode Third Edition, ICD-O-3/IARC 2017
cancer_site : Retinoblastoma
statistic : Incidence
sex : Both sexes
age_group : 0-4 years
year_range : 2019-2023
graph_type : Recent Rates
exported_on : 2026-10-27
export_format: CSV
EOF
cat nccr_query_record.txt
5.3 导出文件的规整与检查
导出的 CSV 在进入分析前要过一遍基本检查，尤其是抑制标记与列类型。
#-- 读取探索器导出的 CSV，检查抑制标记与年份覆盖
import csv
from pathlib import Path
path = Path("nccr_export.csv")
rows = list(csv.DictReader(path.open(encoding="utf-8-sig")))
suppressed = [r for r in rows if not (r.get("rate") or "").strip()]
print("总行数", len(rows), "抑制或空值行", len(suppressed))
years = sorted({r["year"] for r in rows if r.get("year")})
print("年份范围", years[0], "到", years[-1], "共", len(years), "个年份")
#-- 率列转浮点，空值保持为 None，不擅自填零
def to_rate(s):
s = (s or "").strip()
return float(s) if s else None
rates = [(r["year"], to_rate(r["rate"])) for r in rows]
print("可计算点", sum(1 for _, v in rates if v is not None))
这段检查防的是一个具体错误：把抑制产生的空值当成零。一旦用零填充，趋势线就在被抑制的年份出现假的「归零谷」，APC 随之算歪；稳妥做法是显式保留空值，让后续分析自己决定剔除还是插补。
#-- 第二处：列名随版本变动，写死列名会静默读到全空，先断言再计算
required = {"year", "rate", "site", "age_group"}
missing = required - set(rows[0].keys())
print("缺列", missing or "无")
assert not missing, f"导出格式已变，请先核对列名：{missing}"
5.4 把年度变化百分比与置信区间一起读
趋势判断不能只看 APC 的点估计。区间跨零就是「数据不支持有趋势」的正式表述。
#-- 判断一条趋势是否站得住：区间是否跨零
def trend_verdict(apc, lo, hi):
if lo is None or hi is None:
return "区间缺失，不做趋势判断"
if lo < 0 < hi:
return "区间跨零：不能主张存在趋势"
direction = "上升" if apc > 0 else "下降"
return f"区间不跨零：可主张{direction}，方向一致"
for case in [(1.2, 0.4, 2.1), (-0.8, -2.0, 0.3), (2.5, None, None)]:
print(case, "->", trend_verdict(*case))
5.5 分子层的取数路径
分子层不能直取：在 dbGaP 找到研究号 phs002790，阅读数据使用协议，提交申请，获批后通过受控访问环境取用。要点是申请属机构行为、需签 DUA、二次分发受限、成果发表另有约定；成本是周期而非技术，排期按季度估。
5.6 目录层的检索路径
目录层是可读的，适合做「存在性检查」。做法是先按癌种检索，看有哪些贡献方，再逐条看访问条件。
#-- 目录层：把记录按访问方式分组，先看哪几条真的能打开
#-- 字段顺序：数据集 / 访问方式 / 备注（由目录页人工誊抄，非接口抓取）
cat > catalog_probe.tsv <<'EOF'
dataset access note
MCI molecular profiles controlled dbGaP study page
NCCR registry data public statistics only
TARGET genomics mixed public derived plus controlled raw
EOF
awk -F'\t' 'NR>1 {n[$2]++} END {for (k in n) print k, n[k]}' catalog_probe.tsv | sort
上表内容是整理方法的示意，不代表目录中真实存在的记录，应以目录页为准。
§6 与库内其他词条的关系
6.1 关系图谱
CCDI 在库内的位置有点特殊：它既不是一个可下载的数据集，也不是一篇纯粹的法规词条，而是一个「上游基础设施」。围绕它可以拉出四条关系线。
第一条是儿童肿瘤基因组：库内 TARGET 是 NCI 早年的儿童肿瘤测序项目，关系是接续——TARGET 解决「能不能测」，CCDI 解决「测了怎么连起来」；下游的 OpenPedCan 则是把测序结果整合成分析矩阵的一端。
第二条是受控访问仓库：dbGaP 是 MCI 数据的落地处，关系是「容器与内容」。
第三条是成人与通用癌基因组：TCGA 是参照系，也是理解「儿童与成人分子逻辑不同」的对照物，CCDI 的价值有一半来自这层差异。
第四条是罕见病本体与靶点资源：ORDO 是罕见病分类的通用语言，与 CCDI 疾病本体工作组在方法上呼应；Open Targets 与分子靶点平台功能部分重叠，但对象是全年龄而非儿童。
| 库内相关词条 | 关系类型 | 一句话说明 | 选择建议 |
|---|---|---|---|
| TARGET | 前身/接续 | 儿童肿瘤基因组测序的先行项目 | 要原始测序数据先看它 |
| dbGaP | 容器 | CCDI 分子数据的受控访问仓库 | 要 MCI 数据从这里进 |
| TCGA | 对照 | 成人癌基因组的参照系 | 做儿童成人对比时的基线 |
| Orphanet / ORDO | 方法呼应 | 罕见病分类与本体 | 做疾病实体映射时用 |
| Open Targets | 功能重叠 | 靶点-疾病证据整合 | 非儿童专属，覆盖更广 |
| RareBench | 邻近 | 罕见病诊断评测基准 | 做 LLM 评测时用 |
| SEER-Medicare | 邻近 | 成人癌登记-理赔链接 | 做费用与治疗模式时用 |
| OpenPedCan | 下游整合 | 儿童癌多组学整合数据集 | 要现成分析矩阵时用它 |
6.2 检索路径
如果你是从一个具体问题出发，可以按下表选入口。
| 你的问题 | 首选入口 | 备用入口 |
|---|---|---|
| 这个癌种在美国一年多少例 | NCCR*Explorer 发病率 | SEER 统计网络 |
| 这个癌种的五年生存多少 | NCCR*Explorer 相对生存 | SEER*Stat |
| 这个靶点在儿童癌里表达吗 | 分子靶点平台 | OpenPedCan / PedcBioPortal |
| 有没有别人的同类队列 | CCDI 数据目录 | 直接联系 COG |
| 原始测序数据在哪 | dbGaP phs002790 | TARGET / GDC |
| 罕见病怎么分类 | ORDO | CCDI 疾病本体工作组材料 |
| 儿童癌真实世界病程 | 罕见癌症研究（在建） | 单中心回顾性队列 |
| 政策要求是什么 | 法案原文 | NCI 立法页 |
这张表里最容易被跳过的是最后一行。很多人从 NCI 的介绍页读法案，读到的是「NCI 认为这项法案很重要」，而不是法案本身的条文。两者在细节上会有出入——比如条文中对「实质相关」的界定、对豁免申请的程序要求，都不是介绍页能覆盖的。真要做合规判断，必须回到条文。
另外要提醒的是，法案的效力由 FDA 执行，而 FDA 的指南文件会随实践修订。法规与指南是两个层次：法规是国会通过的框架，指南是监管机构对框架的解释。引用时区分这两层，能避免把「指南里的做法」当成「法规的要求」。
§7 质量评估与局限性
7.0 阅读本节前的一个前置校正
读评价之前要先校正一个误判：不要用「数据集」的标准来评它。如果按数据集的常规维度打分——记录数、字段数、标注率、下载体积——CCDI 会全线不及格，因为它本来就不是那个东西。它的质量应当按「基础设施」的标准来衡量：能不能被找到、能不能合规地接上、能不能被复现、能不能长期维护。
第二个需要校正的误判是：不要把「暂时没有」当成「设计缺陷」。罕见癌症研究在入组期，数据未释放是进度问题不是质量问题。评价它要区分「还没做」与「做砸了」。
第三个校正：不要因为一个数字的内部不一致就否认全篇。NCCR 覆盖有 24 个登记处与 29 个登记处两个口径，这是版本演进，不是造假。正确写法是标注版本。
7.1 五维评分
下表按 DAIMS 框架的常见维度打分，评分是对「作为基础设施」的判断，不是对「作为数据集」的判断。
| 维度 | 评分 | 依据 | 主要扣分点 |
|---|---|---|---|
| 可获得性（Availability） | 中 | 统计层全开放；分子层受控；个体层未开放 | 无患者级公开数据 |
| 可发现性（Findability） | 高 | 目录、门户、多个官方入口齐备 | 中文资料极少，导航依赖英文 |
| 文档完备性（Documentation） | 中高 | 项目页、计划文章、PDF 综述齐备 | 各产品文档分散，缺统一技术手册 |
| 可复现性（Reproducibility） | 中高 | 数据版本与分类版本可查，支持分享链接 | 各层版本节奏不同，需手工记录 |
| 覆盖度（Coverage） | 中高 | 约四分之三人口，0–39 岁全癌种 | 约四分之一人口不在内 |
| 一致性（Consistency） | 中 | ICCC 统一归类 | 登记处与 ICD-O-3 之间存在映射损耗 |
| 可维护性（Maintenance） | 高 | 年度更新，联邦财年投入有保障 | 十年规划到期后的延续性未明 |
| 互操作性（Interoperability） | 中 | 目录与本体在推进 | 目录内第三方数据集无统一接口 |
| 伦理合规（Ethics） | 高 | 抑制规则、受控访问、DUA | 抑制导致稀有切片不可见 |
| 罕见癌适配度（Rare Fit） | 中高 | 专门设了极罕见研究与极罕见定义 | 分母问题只能缓解不能消除 |
| DAIMS 综合 | 中高 | 作为基础设施优于作为数据集 | 使用者期待需先校正 |
几处评分值得解释：「可发现性」给高，因官方入口三条以上、三步内可达，扣分在全英文与各站导航不一；「一致性」给中，因 ICCC 归类统一但边界随版本移动；「罕见癌适配度」是本页新增维度，给中高是因专设极罕见研究与可操作阈值，扣分在只解决「采集」未解决「分析」。
7.2 三个结构性局限
局限一：分母的天花板。 CCDI 能把分母拼大，拼不到「够大」。极罕见癌按定义就是每百万人年不足两例，即便全国登记处与队列全接进来，一个亚型的年度事件数仍是两位数。统计推断因此永远要靠方法学补——贝叶斯借用、外部对照、合成对照，都绕不开。
局限二：分类的不可通约。 见 §4.1 的案例：ICCC、ICD-O-3、各中心入组标准之间没有无损映射，任何跨源合并都会引入系统性而非随机的错分。
局限三：可见性与隐私的取舍。 抑制规则保护了患者，代价是最稀有的切片恰好被遮住。这不是能「优化掉」的问题，而是隐私与科学价值之间的固有张力。
7.3 已知的、可枚举的偏差
| 偏差 | 方向 | 机制 | 对结论的影响 |
|---|---|---|---|
| 登记处覆盖偏差 | 低估总数 | 约四分之一人口不在登记处 | 绝对数偏低，率较稳 |
| 转诊集中偏差 | 高估中心样本的代表性 | 罕见癌向少数中心集中 | 单中心队列不能外推 |
| 抑制偏差 | 稀有切片缺失 | 小计数抑制 | 最罕见的亚型最难研究 |
| 分类映射偏差 | 亚型错分 | ICCC 与 ICD-O-3 粒度不同 | 亚类之间比较需谨慎 |
| 报告滞后偏差 | 近期年份偏低 | 登记处上报有延迟 | 最近 1–2 年不宜下结论 |
| 生存数据截断偏差 | 近期诊断者随访短 | 生存截止年早于发病 | 近几年队列的五年生存不稳 |
| 入组选择偏差 | 罕见癌研究参与者非随机 | 自愿入组、需提供样本 | 不能当作代表性样本 |
| 语言偏差 | 中文资料缺失 | 官方仅英文 | 中文二次引用易走样 |
这八项偏差里，只有「登记处覆盖偏差」与「报告滞后偏差」可在分析时部分校正——前者靠明确声明适用范围，后者靠剔除最近一两年；其余六项都是结构性的，只能写进局限性。其中「抑制偏差」尤其要留意：它看似只是缺失，实际会系统性地偏向较常见的癌种，因为越罕见越容易被抑制，属于有选择的缺失。任何跨癌种比较都应先报告抑制比例。
7.3b 三个场景下的失效条件
偏差是横向清单，失效条件是纵向推演。下面三种用法都说得通，却都会在某个节点失效。
| 使用方式 | 什么时候会失效 | 失效机制 | 预防手段 |
|---|---|---|---|
| 用探索器率乘以全美人口估算绝对例数 | 覆盖区人口与全美人口不一致时 | 分母错配 | 只用率做相对比较，或明确折算到覆盖区 |
| 用最近一年数据写「当前发病水平」 | 上报延迟尚未消化时 | 分子偏低 | 取最近三年均值并注明修订风险 |
| 用单中心罕见癌队列与全国率比较预后 | 中心为转诊中心时 | 病例构成偏向重症 | 先核对分期与年龄分布是否可比 |
共同点是：数据本身没错，错在把聚合层面的产物当作个体层面的事实。
7.4 外部验证矩阵
| 断言 | 验证方式 | 结果 | 层级 |
|---|---|---|---|
| RACE 是法案名而非种族 | NCI 页面正文 | 确认 | 官方页面 |
| 极罕见约占 11% | NCI 研究项目页 | 确认 | 官方页面 |
| 每百万人年不足两例 | NCI 研究项目页 | 确认 | 官方页面 |
| 目录 250 余套、53 个来源 | NCI 介绍文档 | 确认 | 官方页面 |
| 覆盖 29 个登记处、76% 人口 | 探索器首页 | 确认 | 官方页面 |
| 覆盖 24 个登记处、69% 人口 | NCI 介绍文档 | 确认存在另一口径 | 官方页面 |
| 数据至 2023 年 | 探索器首页 | 确认 | 官方页面 |
| 生存至 2022 年 | 探索器首页 | 确认 | 官方页面 |
| MCI 覆盖一千五百余人 | NCI 介绍文档 | 确认 | 官方页面 |
| 每年五千万美元、十年 | NCI about 页 | 确认 | 官方页面 |
| CCDI 2019 年启动 | NCI 计划文章摘要 | 确认 | 论文摘要 |
| 儿童癌约占全部癌症 1%–3% | NCI about 页 | 确认 | 官方页面 |
| 全外显子、甲基化、融合 Panel | NCI 介绍文档 | 确认 | 官方页面 |
| 探索器根路径非数据接口 | 直接请求 | 返回前端骨架 | 本次查询 |
| 罕见癌研究随访五年 | NCI 研究项目页 | 确认 | 官方页面 |
7.5 它为何能持续：联邦财年制与共享文化
CCDI 能持续有两个条件。第一个是制度性的：它写进了联邦预算，每个财年五千万美元，规划十年，不依赖某一位研究者的课题经费。第二个是文化性的：儿童肿瘤研究界本来就有共享数据的传统，官方文档明确说这个传统让新的数据共享结构更容易落地。前者保证有钱，后者保证有人愿意把数据交出来。缺一个，这类基础设施都活不过三年。
不过要留一句：十年规划有到期日。到期之后靠什么延续，官方文档的说法是「建成可扩展、可持续的数据资源与工作流，能在计划期后继续推进研究」——这是目标，不是承诺。
§8 生态位与历史
8.1 历史沿革
| 时间 | 事件 | 意义 |
|---|---|---|
| 2017 | FDA 再授权法案含 RACE 条款 | 儿科研究从「可豁免」转向「需说明」 |
| 2017 | 儿童癌症 STAR 法案通过 | 幸存者、生物样本库与登记获授权 |
| 2019 | CCDI 在国情咨文中提出 | 联邦层面立项 |
| 2019 | NCI 召开研讨会并设特设工作组 | 形成建议报告 |
| 2020 财年起 | 每财年五千万美元投入 | 制度性资金来源确立 |
| 2020 年 8 月 | RACE 条款生效 | 药企儿科研究计划进入实操 |
| 2023 | CCDI 计划文章在 JCO 发表 | 公开阐述十年蓝图 |
| 2023 | 某版 MCI 数据更新 | 覆盖范围扩大 |
| 2026 | 探索器数据更新至 2023 年 | 统计层当前版本 |
CCDI 的历史是两条线交织：一条是数据基础设施线，从研讨会的建议报告到目录、门户、探索器逐个上线，再到年度更新；另一条是分子分型线，从 MCI 与 COG 合作开始，把免费分型做成常规服务并逐步扩大癌种。两条线在罕见癌症研究这里交汇——罕见癌要的不是更多统计，而是分子解释与真实世界病程，这恰好是两条线各自走到一定深度后才支撑得起的事。
8.2 RACE 与 STAR 的关系
这两个法案常在中文材料里被混为一谈，其实分工清楚。STAR 法案管的是「人」：幸存者的长期随访、生物样本库的建设、儿童癌症的登记。RACE 法案管的是「药」：通过儿科研究计划的要求，把儿童从药物开发的边缘拉回主线。一个向后看（已经得病的人），一个向前看（未来的治疗）。CCDI 同时服务于两者，官方页面也明确说它的工具「配合 RACE 法案」，并「支持生物样本库与幸存者研究以配合 STAR 法案」。
8.3 生态位：在四类资源之间
放在更大的图景里，儿童肿瘤数据资源可以粗分成四类：登记类（NCCR、SEER）、基因组类（TARGET、TCGA、OpenPedCan）、临床试验类（COG 试验、NCI-MATCH）、分子注释类（分子靶点平台）。
CCDI 的位置不是第五类，而是把前四类「连起来的那一层」。它的独特价值在于跨类：登记告诉你多少人，基因组告诉你是哪种分子，临床试验告诉你治得怎样，CCDI 试图让这三件事指向同一批人。
8.4 反对意见与争议
这类基础设施从来不缺批评，常见的三条是：建了十年仍没有一个能直接分析的队列；目录里几百套数据真正能拿到手的很少；极罕见癌的关键问题（如某种亚型的自然史）依然没有答案。三条都有事实基础，但都有同一个盲点：用「数据集」的完成度来要求「基础设施」。基础设施的产出不是数据本身，而是降低别人拿数据的成本；判断它值不值，应看十年间有多少研究借它接上了数据，而不是看它自己有没有攒出队列。这个指标官方没有公布，本文不推测。
还有一条批评不太常被提起：它的价值对大机构和小机构不对称。对已有 COG 席位与生信团队的大型儿童医院，CCDI 是锦上添花的对接；对没有这些资源的小机构或中等收入国家团队，它是唯一的入口——他们没有能力自己去谈十几家中心的合并协议。这不是缺陷，而是它存在的理由之一，但也意味着「够不够用」取决于你站在哪一边。
§9 使用指引
9.1 三种角色的路径
临床研究者：先把你自己手上的极罕见癌病例按 ICCC 归类，然后到探索器查同一部位的全国基线，看你的病例在发病年龄、性别比例、生存上与基线是否有系统偏差。有偏差就是故事，没偏差就是「本例符合既往报道」。
计算生物学者：不要从 CCDI 门口进。直接去 dbGaP 找 phs002790，同时并行看 OpenPedCan 这类已经整合好的矩阵。CCDI 对你最大的价值是分子靶点平台上的靶点-癌种关联，用来筛候选而不是用来训练。
药企儿科开发团队：先读法案原文确认靶点是否属于「实质相关」，再用分子靶点平台核对这个靶点在儿童癌各亚型中的表达证据，最后才谈试验设计。RACE 要求的是研究计划，不是疗效结论，计划的重点是「你打算怎么测、测哪些癌种」。
| 角色 | 第一步 | 第二步 | 第三步 | 常见错误 |
|---|---|---|---|---|
| 临床研究者 | 病例 ICCC 归类 | 探索器查基线 | 偏差分析 | 直接拿单中心做生存比较 |
| 计算生物学者 | 查 OpenPedCan | 申请 dbGaP | 靶点关联筛选 | 以为能下患者级数据 |
| 药企开发 | 读法案原文 | 查靶点表达证据 | 设计儿科研究计划 | 用成人适应症规避 |
| 流行病学者 | 探索器趋势 | 核对 APC 区间 | 版本记录 | 忽略抑制导致的空缺 |
| 患者组织 | 读官方研究页 | 了解入组条件 | 转介 | 把统计率当个体预后 |
9.2 一条最短的可用流程
从零到一张能放进论文的图，路径如下。
#-- 最短可用流程：一次探索器查询 -> 导出 -> 记录版本 -> 存档
mkdir -p ccdi_work && cd ccdi_work
#-- 第 1 步：在浏览器打开探索器，选定癌种与指标
#-- 第 2 步：参数记录，与导出文件放在同一目录
cat > repro.txt <<'EOF'
tool : NCCR*Explorer
release : data through 2023 (survival through 2022)
site_system : ICCC Recode Third Edition
query_date : 2026-10-27
EOF
#-- 第 3 步：把导出的 CSV 与记录一起归档，文件名带日期
#-- 第 4 步：校验文件行数与年份范围（脚本见 5.3 节）
ls -la
echo "归档完成，版本信息见 repro.txt"
9.3 引用方式
页面内容按 NCI 复用政策可转载，须署名并链回原文。建议格式：
National Cancer Institute. Childhood Cancer Data Initiative: Pediatric, Adolescent, and Young Adult Rare Cancer Study. Updated June 5, 2026. https://www.cancer.gov/research/areas/childhood/childhood-cancer-data-initiative/programs/rare-cancers
引用统计时还应加一句版本说明，例如「数据取自 NCCR*Explorer，2023 年数据截止版，查询日期 2026 年 10 月」。
若引用探索器里的具体数字，还应交代两件事：一是分类版本，ICCC 第三版与更早版本在亚类划分上有差别；二是抑制情况，空缺不等于零，务必写明「该单元被抑制」，否则会被读成那一年没有病例。
若引用的是目录中的某条记录，应注明查询日期，因为目录持续增补，同一句「目录收录多少套数据」在不同日期会有不同答案。计划层面的引用可用 JCO 那篇文章：Flores-Toro JA, et al. The Childhood Cancer Data Initiative. J Clin Oncol, 2023, doi:10.1200/JCO.22.02208。
§10 AI 使用声明
| 项目 | 内容 |
|---|---|
| 本页是否使用生成式 AI | 是，用于初稿组织、结构编排与语言润色 |
| 事实是否由 AI 生成 | 否。所有规模、结构与边界数字均来自官方页面或论文摘要 |
| 数字核验方式 | 逐条回查官方页面正文，未使用搜索引擎摘要 |
| 未核实项处理 | 标注「未核实」或「官方页面称」，不做推测填补 |
| 是否包含患者个人信息 | 否 |
| AI 可能引入的风险 | 术语翻译偏差、英文缩写含义误判（如 RACE 的双关） |
| 人工复核范围 | 结构、数字、引用链接、章节编号 |
| 责任声明 | 内容仅供研究参考，不构成医疗建议；引用请以官方原文为准 |
常见误读（避坑清单）
| 常见说法 | 实际 | 证据 |
|---|---|---|
| RACE 是种族 | RACE 是 Research to Accelerate Cures and Equity for All 的缩写 | NCI 页面正文与法案名 |
| RACE 是 STAR 法案的一部分 | 两者同属 2017 年 FDA 再授权法案，是两个不同条款 | NCI about 页对两法案分述 |
| CCDI 是一个可以下载的数据集 | 是项目加平台集合，公开层只有统计 | 研究项目页与探索器说明 |
| 目录里的 250 余套数据都能下 | 目录是索引，访问条件各自独立 | NCI 介绍文档原文 |
| 数据覆盖美国全部儿童癌症患者 | 至多 29 个登记处、约 76% 人口 | 探索器首页 |
| 数据从 1999 年开始 | 当前探索器口径为 2003 年；早期文档写 1999 年 | 两个版本页面对照 |
| 发病与生存都更新到同一年 | 发病至 2023，生存至 2022 | 探索器首页 |
| 罕见癌研究已经可以申请数据 | 研究仍在入组，官方称将随进展释放 | 研究项目页 |
| 成人癌的靶向药可以直接用于儿童 | 靶点可能在儿童癌中不表达，这正是 RACE 要解决的问题 | 法案逻辑与分子分型事实 |
| 探索器有公开 REST API | 应用根路径返回前端骨架，非数据接口 | 本次查询 |
FAQ
Q1：RACE 到底是不是「种族」？
不是。RACE 是 Research to Accelerate Cures and Equity for All 的缩写，是 2017 年《FDA 再授权法案》中的一节。它与数据库里表示种族的 race 字段毫无关系，只是英文拼写相同。中文材料里把两者混写，会导致引用错位。
Q2：既然找不到「RACE 探索器」，这个候选名是不是写错了？
候选名把三样东西压在了一起：法案（RACE）、项目（Rare Cancer Study）、工具（NCCR*Explorer）。核实后的实体是 CCDI 这个项目，本文按此写。候选名不是错误，是简称与实体之间的层级错位。
Q3：它能给我一份 Excel 吗？
能给你一份统计表的 CSV，不能给你患者级 Excel。前者从探索器导出，后者要走 dbGaP 受控访问。两者在体量与用途上完全不同。
Q4：极罕见儿童癌有多少种？
官方不给固定数，只给阈值：每百万人年新发不足两例。列举的例子包括肾上腺皮质癌、鼻咽癌、甲状腺癌、颅外癌、促结缔组织增生性小圆细胞肿瘤、胃肠或性腺间质瘤、神经内分泌肿瘤、胰母细胞瘤、胸膜肺母细胞瘤、视网膜母细胞瘤等。
Q5：为什么儿童癌的靶点不能从成人外推？
因为驱动逻辑不同。成人癌靠多突变累积，儿童癌常靠单个融合或发育通路异常。药企按成人设计的靶向药，其靶点在儿童肿瘤里可能压根不表达。这正是 RACE 要求做儿科研究的分子依据。
Q6：数据可以商用吗？
分三层看。页面内容按 NCI 复用政策可转载，但要署名并链回原文。受控数据受 DUA 约束，商业用途通常有限制。目录里的第三方数据集沿用原许可，各不相同。
Q7：NCCR*Explorer 和 SEER 是一回事吗？
不是。NCCR 建在既有登记处之上，包含 SEER 但不限于 SEER，年龄范围 0–39 岁。SEER 的统计网络覆盖全年龄。两者数据可能有重叠，但统计口径与产品不同。
Q8：为什么某个癌种查出来是空的？
大概率是被抑制了。登记处对过小的计数做抑制以保护隐私。这时只能拿到率，拿不到例数，或者整个切片被合并。这不是系统出错。
Q9：罕见癌症研究我能参加吗？
有严格条件：39 岁及以下、诊断不满一年、极罕见实体瘤、愿意提供肿瘤与唾液/颊拭子样本。血癌目前不开放，官方称未来会扩。参与者需要在 COG 网络内的医院或自行联系研究团队。
Q10：中国团队能用吗？
能，但分子层要走机构对机构的 DUA 流程，周期以季度计。统计层没有地域限制。引用时注意中文二次转述容易丢版本信息。
Q11：这个项目十年后还会在吗？
官方目标是建成可持续、能在计划期后继续运转的资源，但这是目标不是承诺。规划期结束后的延续机制未见公开说明。
Q12：如果我要做罕见癌的多中心合并研究，它帮得上吗？
帮得上的是方法参照：它的入组标准、核心数据集设计、分类映射规则都是现成模板。帮不上的是直接给你一个合并好的队列。真正的合并工作还是要一家一家谈。
Q13：为什么中文资料里几乎查不到它？
NCI 的官方页面只有英文版，CCDI 的几个产品站也都是纯英文前端。中文材料里偶有提及，多是转述二手综述，容易把 RACE 当成种族、把 CCDI 当成单一数据库。要做严肃引用，只能回到英文原文，并记录查询日期与数据版本。
术语表
| 术语 | 英文 | 释义 |
|---|---|---|
| RACE 法案 | RACE for Children Act | 2017 年 FDA 再授权法案中的一节，要求实质相关靶点的药物提交儿科研究计划 |
| STAR 法案 | Childhood Cancer STAR Act | 与 RACE 同期通过，管幸存者、生物样本库与登记 |
| CCDI | Childhood Cancer Data Initiative | NCI 2019 年启动的儿童癌症数据计划 |
| CCDI 数据生态 | CCDI Data Ecosystem | 把各类来源数据连接起来的整体基础设施 |
| CCDI Hub | CCDI Hub | CCDI 的门户入口，链接数据生态中的各个工具 |
| 罕见癌症研究 | CCDI Rare Cancer Study | 极罕见儿童与 AYA 癌症的纵向观察研究 |
| NCCR | National Childhood Cancer Registry | 依托既有登记处的全国儿童癌症登记 |
| 探索器 | NCCR*Explorer | 公开的统计查询工具 |
| MCI | Molecular Characterization Initiative | 免费为入组患者做分子分型的计划 |
| 分子靶点平台 | Molecular Targets Platform | CCDI 旗下汇总儿童癌靶点信息的平台 |
| 数据目录 | CCDI Data Catalog | 索引儿童癌症数据集的目录，非下载仓库 |
| 儿童临床数据共享平台 | Childhood Cancer Clinical Data Commons | CCDI 旗下的临床数据工具之一 |
| ICCC | International Classification of Childhood Cancer | 儿童癌症国际分类，按生物学而非器官划分 |
| ICD-O-3 | International Classification of Diseases for Oncology, 3rd ed. | 肿瘤学编码，含部位、形态、行为三轴 |
| 部位 | topography | ICD-O 的一个轴，描述肿瘤发生部位 |
| 形态学 | morphology | ICD-O 的一个轴，描述组织学类型 |
| 极罕见癌 | Very rare cancer | 每百万人年新发不足两例 |
| AYA | Adolescents and Young Adults | 青少年与年轻成人，本页范围至 39 岁 |
| 相对生存 | Relative survival | 观察生存除以背景人群期望生存 |
| 条件生存 | Conditional survival | 已存活若干年后的后续生存概率 |
| 年度变化百分比 | APC | 趋势拟合的年度化变化率，附置信区间 |
| 抑制 | Suppression | 小计数不公开以保护隐私 |
| DUA | Data Use Agreement | 数据使用协议，受控数据取用前须签署 |
| CLIA | Clinical Laboratory Improvement Amendments | 美国临床实验室资质体系 |
| 核心数据集 | Core data set | 罕见癌研究计划建立的标准字段集合 |
| 外部对照 | External control | 用历史或登记数据充当对照组 |
| 实质相关 | Substantially relevant | RACE 判定靶点是否触发儿科研究的核心标准 |
| COG | Children’s Oncology Group | 美国儿童肿瘤学组，儿童肿瘤临床试验的主要网络 |
| 分子/临床双链接 | linked molecular and clinical data | 把测序结果与临床报告按患者对齐后的形态 |
附录 A：核心数字核对表
| 项 | 值 | 来源 | 来源层级 |
|---|---|---|---|
| 联邦投入 | 每财年五千万美元 | NCI about 页 | 官方页面 |
| 规划年限 | 十年 | NCI about 页 | 官方页面 |
| 启动年份 | 2019 | NCI about 页与 JCO 摘要 | 官方页面/论文摘要 |
| 极罕见占比 | 约 11% | NCI 研究项目页 | 官方页面 |
| 极罕见阈值 | 每百万人年不足两例 | NCI 研究项目页 | 官方页面 |
| 儿童癌占全部癌症 | 1%–3% | NCI about 页 | 官方页面 |
| 目录数据集数 | 250 余套 | NCI 介绍文档 | 官方页面 |
| 目录贡献方 | 53 个 | NCI 介绍文档 | 官方页面 |
| 登记处数（新口径） | 至多 29 个 | 探索器首页 | 官方页面 |
| 人口覆盖（新口径） | 约 76% | 探索器首页 | 官方页面 |
| 登记处数（旧口径） | 至多 24 个 | NCI 介绍文档 | 官方页面 |
| 人口覆盖（旧口径） | 约 69% | NCI 介绍文档 | 官方页面 |
| 统计起点（新） | 2003 年 | 探索器首页 | 官方页面 |
| 统计起点（旧） | 1999 年 | NCI 介绍文档 | 官方页面 |
| 发病数据截止 | 2023 年 | 探索器首页 | 官方页面 |
| 生存数据截止 | 2022 年 | 探索器首页 | 官方页面 |
| 近期五年区间 | 2019–2023 | 探索器首页 | 官方页面 |
| 生存趋势区间 | 2003–2021 | 探索器首页 | 官方页面 |
| 五年相对生存区间 | 2016–2022 | 探索器首页 | 官方页面 |
| MCI 覆盖人数 | 1,552 | NCI 介绍文档 | 官方页面 |
| MCI 研究号 | phs002790 | NCI 介绍文档 | 官方页面 |
| 罕见癌研究年龄上限 | 39 岁 | NCI 研究项目页 | 官方页面 |
| 罕见癌研究随访 | 五年 | NCI 研究项目页 | 官方页面 |
| 确诊时限 | 一年内 | NCI 研究项目页 | 官方页面 |
| 罕见癌研究样本类型 | 肿瘤 + 唾液/颊拭子 | NCI 研究项目页 | 官方页面 |
| 美国儿童癌年新发 | 约一万二千例 | 论文摘要 | 论文摘要 |
| RACE 生效 | 2020 年 8 月 | 论文摘要 | 论文摘要 |
| 儿童癌主要两类占比 | 白血病约 25%，脑瘤约 21% | 论文摘要 | 论文摘要 |
附录 B：数字的来源分层
第一层，官方页面。 包括 NCI 研究项目页、CCDI 主页、CCDI about 页、CCDI progress 页、NCCR*Explorer 首页与应用页、NCI 发布的两页 PDF 介绍文档。凡属规模、结构、时间线的数字，全部优先取此层。此层的内部不一致（登记处数与人口覆盖的两套口径）已在正文与核对表中并列呈现。
第二层，论文摘要。 包括 JCO 2023 年 CCDI 计划文章、两篇提及 RACE 的期刊摘要、OpenPedCan 项目摘要，用于补充官方页面未覆盖的背景（年新发量级、RACE 生效时间、驱动逻辑），引用时标明是摘要口径。
第三层，未核实。 凡未能在官方页面或论文摘要中找到出处的，一律不写入正文数字。具体包括：罕见癌研究的计划入组人数、数据生态中已整合的患者总数、分子靶点平台收录的靶点数与更新频率、目录中可实际获取的数据集比例。四项均以「未公布」处理。
附录 C：完整参考文献
-
National Cancer Institute. Childhood Cancer Data Initiative: Pediatric, Adolescent, and Young Adult Rare Cancer Study. 页面更新于 2026-06-05. https://www.cancer.gov/research/areas/childhood/childhood-cancer-data-initiative/programs/rare-cancers
-
National Cancer Institute. Childhood Cancer Data Initiative (CCDI). https://www.cancer.gov/research/areas/childhood/childhood-cancer-data-initiative
-
National Cancer Institute. About the Childhood Cancer Data Initiative (CCDI). 页面更新于 2025-04-02. https://www.cancer.gov/research/areas/childhood/childhood-cancer-data-initiative/about
-
National Cancer Institute. Childhood Cancer Data Initiative Progress. https://www.cancer.gov/research/areas/childhood/childhood-cancer-data-initiative/progress
-
National Cancer Institute. NCCR*Explorer. https://nccrexplorer.ccdi.cancer.gov/
-
National Cancer Institute. NCCR*Explorer Application. https://nccrexplorer.ccdi.cancer.gov/application.html
-
NCI Office of Data Sharing. Childhood Cancer Data Initiative（两页介绍文档，托管于 CCDI ODS 内容仓库）. https://github.com/CBIIT/ccdi-ods-content
-
Flores-Toro JA, Jagu S, Armstrong GT, et al. The Childhood Cancer Data Initiative: Using the Power of Data to Learn From and Improve Outcomes for Every Child and Young Adult With Pediatric Cancer. J Clin Oncol. 2023. doi:10.1200/JCO.22.02208. PMID: 37267580
-
Geng Z, Wafula E, Corbett RJ, et al. The Open Pediatric Cancer Project. GigaScience. 2025. doi:10.1093/gigascience/giaf093. PMID: 40891528
-
A New Paradigm for Pediatric AML: Improving the Pipeline for Treatments Targeting Cytogenetic and Molecular Alterations. Cancers. 2026. PMID: 42649997（摘要提及 RACE 法案于 2020 年 8 月生效）
-
Developing New Agents for Treatment of Childhood Cancer: Challenges and Opportunities for Preclinical Testing. J Clin Med. 2021. PMID: 33916592（摘要给出美国儿童癌年新发与构成口径）
-
CCDI Data Catalog. https://datacatalog.ccdi.cancer.gov/
-
Molecular Targets Platform. https://moleculartargets.ccdi.cancer.gov/
-
dbGaP Study phs002790（MCI 数据）. https://www.ncbi.nlm.nih.gov/projects/gap/cgi-bin/study.cgi?study_id=phs002790
附录 D：任务代码
本次核实任务的关键字与核查顺序，留存备查。
#-- 任务标识
slug : race-rare-cancer
entity : NCI CCDI (Childhood Cancer Data Initiative)
card : planning/WRITER_CARD_parallel.md
#-- 检索关键字（按顺序）
keyword_1 : RACE for Children Act
keyword_2 : Research to Accelerate Cures and Equity for All
keyword_3 : rare cancer database NCI
keyword_4 : pediatric molecular targets
keyword_5 : Childhood Cancer Data Initiative
keyword_6 : CCDI Rare Cancer Study
#-- 入口（按核查顺序）
entry_1 : https://www.cancer.gov
entry_2 : https://www.cancer.gov/research/areas/childhood/childhood-cancer-data-initiative
entry_3 : https://www.cancer.gov/research/areas/childhood/childhood-cancer-data-initiative/programs/rare-cancers
entry_4 : https://ccdi.cancer.gov
entry_5 : https://moleculartargets.ccdi.cancer.gov
entry_6 : https://nccrexplorer.ccdi.cancer.gov
#-- 结论
verdict : 实体核实通过；候选名对应 CCDI 项目，非单一数据集
附录 E：如果只记五件事
- RACE 是法案名，全称 Research to Accelerate Cures and Equity for All，和「种族」只撞了拼写。
- 罕见癌的困境是分母太小，不是没有数据；合并的瓶颈在分类学，不在技术。
- CCDI 不是一个可下载的数据集，是四层结构的基础设施：目录、统计、分子、个体。
- 能公开拿到的只有统计层（NCCR*Explorer 的查询结果），分子层要 DUA，个体层还没开放。
- 儿童癌与成人癌的分子逻辑不同，这正是 RACE 要求做儿科研究的理由。
编辑说明
本篇的实体核实于 2026-10-27 完成，用时受 20 分钟硬停约束。核实范围为 NCI 官方页面（研究项目页、CCDI 主页、about 页、progress 页、NCCR*Explorer 首页与应用页）、NCI 的两页 PDF 介绍文档（托管于 CBIIT 公开仓库）、Europe PMC 的论文摘要（JCO 计划文章、OpenPedCan、两篇提及 RACE 的法案相关摘要）。
未覆盖的内容：分子靶点平台的具体收录规模与字段结构——该站为前端单页应用，直接请求根路径与若干推测路径均返回前端骨架，未取得可解析的数据接口，故本篇不对其靶点数作任何估计。CCDI 数据目录的收录总数亦未逐个清点，正文采用的是官方文档的 250 余套口径。罕见癌症研究的入组人数与数据释放时间官方未公布，本篇未做推测。
页面内容转载依 NCI 信息复用政策，须署名并链回原文。文中出现的英文缩写遵循官方写法，RACE、STAR、CCDI、NCCR、MCI 均按首次出现处给出全称。
相关数据集导航
以下为站内 AI-Ready 数据集百科中与本词条共享多个主题标签的相关数据集，按相关度降序排列：
- datasus — 共享标签：公共卫生与流行病学 / 医疗登记
- ncdb — 共享标签：公共卫生与流行病学 / 医疗登记 / 肿瘤学
- bodh — 共享标签：公共卫生与流行病学 / 医疗登记 / 肿瘤学
- genomics-england-100k — 共享标签：罕见病 / 肿瘤学
- target — 共享标签：儿科 / 肿瘤学
- gard — 共享标签：公共卫生与流行病学 / 罕见病
- trec-pm — 共享标签：医疗登记 / 肿瘤学
- seer-nci — 共享标签：公共卫生与流行病学 / 医疗登记
- dhs-program — 共享标签：公共卫生与流行病学 / 儿科
- nsch — 共享标签：公共卫生与流行病学 / 儿科
导航说明：本章节由全站统一标签体系自动计算生成（标签重合度算法），双向可达；点击链接可跳转至对应数据集词条。
