复发性髓母细胞瘤与原始神经外胚层肿瘤的疫苗免疫治疗
该数据集来自 clinicaltrials.gov,聚焦复发性髓母细胞瘤(MB)与原始神经外胚层肿瘤(PNET)的疫苗免疫治疗

基本信息
资源简介
复发性髓母细胞瘤与原始神经外胚层肿瘤的疫苗免疫治疗
该数据集来自 clinicaltrials.gov,聚焦复发性髓母细胞瘤(MB)与原始神经外胚层肿瘤(PNET)的疫苗免疫治疗。源站描述指出,恶性脑肿瘤是儿童癌症死亡的最常见原因,即使采用手术、颅脊髓放疗及大剂量化疗联合外周血干细胞移植等积极且高毒性的多模式治疗,近半数患儿仍死于复发,幸存者常遗留严重且终身的认知与运动缺陷。因此,开发不增加现有治疗毒性的更有效、肿瘤特异性疗法至关重要,而靶向脑肿瘤内肿瘤特异性抗原的免疫治疗是其中方向。数据可用于了解该免疫治疗研究的背景与目标人群(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:髓母细胞瘤、神经外胚层肿瘤。恶性脑肿瘤目前是儿童癌症死亡的最常见原因。尽管采用了积极且高毒性的多模式治疗,包括手术、颅脊髓放疗以及大剂量化疗联合外周血干细胞移植,但被诊断为最常见的恶性脑肿瘤——髓母细胞瘤(MB)和原始神经外胚层肿瘤(PNET)——的儿童中,仍有近一半将死于复发性疾病。此外,幸存者常遗留严重且终身的治疗相关认知和运动缺陷。开发不会增加现有治疗毒性的更有效且肿瘤特异性的疗法,对于改善受MB/PNET影响的儿童的临床结局至关重要。靶向脑肿瘤内表达的肿瘤特异性抗原的免疫治疗
【主题与分类】
主题标签:Medulloblastoma、Neuroectodermal Tumor。本站分类:肿瘤/脑肿瘤。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT01326104
下载信息
注册下载
需要注册 Kaggle 账号并登录后下载,适合需要跟踪下载记录和使用 API 的用户。
暂未开放公开下载
无需注册即可直接获取公开样本或文档,适合快速预览和评估数据集质量。
免登录有偿下载
公开数据集受托下载与技术交付服务。
提供高速下载与技术交付服务(收技术服务费,非数据销售)
暂未开放当前数据集主要来源为 Kaggle 公开托管,完整影像包建议通过原始链接或 Kaggle API 获取。
使用方式
数据集获取
源站:https://clinicaltrials.gov/study/NCT01326104
标准获取流程:
- 访问源站链接,注册/登录账号;
- 进入数据集详情页,按页面指引申请权限或直接下载;
- 部分平台提供 SDK,例如:
- OpenDataLab:
pip install openxlab后openxlab.dataset.get(...) - ModelScope:
pip install modelscope后modelscope download - 天池: 登录后页面提供直链下载
以源站「数据下载/使用文档」页面为准。
- OpenDataLab:
数据说明
疾病:髓母细胞瘤、神经外胚层肿瘤。恶性脑肿瘤目前是儿童癌症死亡的最常见原因。尽管采用了积极且毒性很高的多模式治疗,包括手术、颅脊髓放疗以及联合外周血干细胞移植的大剂量化疗,但被诊断为最常见的恶性脑肿瘤——髓母细胞瘤(MB)和原始神经外胚层肿瘤(PNET)——的儿童中,仍有近一半将死于疾病复发。此外,幸存者往往遗留严重且终身的治疗相关认知和运动缺陷。开发更有效且具有肿瘤特异性、不会增加现有治疗毒性的疗法,对于改善受MB/PNET影响儿童的临床结局至关重要。靶向脑肿瘤内表达的肿瘤特异性抗原的免疫治疗,是一种可能满足这一明确而迫切需求的方式。
尽管针对成人恶性脑肿瘤的免疫治疗试验取得了相当大的进展并观察到令人鼓舞的临床结果,但儿童脑肿瘤的免疫治疗研究仍局限于相对少数值得注意的研究。这至少部分是由于可用于基于肿瘤细胞的疫苗制备的存活肿瘤组织往往有限,以及这些癌症中缺乏持续表达的肿瘤特异性抗原的鉴定。杜克大学首创了使用负载全肿瘤RNA(TTRNA)的树突状细胞(DCs)作为一种新型平台,用于诱导针对恶性肿瘤细胞中存在的各种未表征和患者特异性抗原的有效免疫应答。杜克大学证明,利用现有分子技术,可以从少至500个分离的儿童和成人脑肿瘤细胞中高保真地扩增出足以用于临床疫苗制备的RNA,从而允许从手术活检甚至显微切割的存档肿瘤标本中制备疫苗。
数据加载示例(图像类)
from PIL import Image
import glob, os
files = (glob.glob(os.path.join(path, "**", "*.png"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.jpg"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.tif"), recursive=True))
print("图像文件数:", len(files))
img = Image.open(files[0]); print("尺寸/模式:", img.size, img.mode)
# torchvision Dataset 方式:
# from torchvision import datasets
# ds = datasets.ImageFolder(path) # 要求 子目录=类别
目录组织与标注格式以源站说明和下载后实际文件为准。
数据缺失?
依托陕西、四川两大基地,我们与超过十家三甲医院建立直接合作关系,覆盖合规授权、采集治理、专业标注、数据交付的全流程,为AI医疗团队提供即拿即用的高质量临床数据。
⚡️ 需要数据支持或标注服务?立即联系我们获取专业方案。




