STEMVAC疫苗改善三阴性乳腺癌及中或广泛性残留癌负荷患者生存的研究
该数据集来自clinicaltrials.gov，聚焦于三阴性乳腺癌及中或广泛性残留癌负荷患者，涵盖AJCC v8解剖学I至III期乳腺癌与三阴性乳腺癌
基本信息
资源简介
STEMVAC疫苗改善三阴性乳腺癌及中或广泛性残留癌负荷患者生存的研究
该数据集来自clinicaltrials.gov，聚焦于三阴性乳腺癌及中或广泛性残留癌负荷患者，涵盖AJCC v8解剖学I至III期乳腺癌与三阴性乳腺癌。研究采用随机对照设计，比较STEMVAC疫苗联合GM-CSF与单用GM-CSF的免疫效果，并全程采集血样。数据可用于分析疫苗免疫应答、探索生物标志物与生存结局的关联，支持肿瘤免疫治疗领域的预测建模与临床研究（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：条件：Anatomic Stage I Breast Cancer AJCC v8、Anatomic Stage II Breast Cancer AJCC v8、Anatomic Stage III Breast Cancer AJCC v8、Triple-Negative Breast Carcinoma。概述：患者被随机分配至2个臂中的1个。ARM A：患者接受CD105/Yb-1/SOX2/CDH3/MDM2-多表位质粒脱氧核糖核酸（DNA）疫苗（STEMVAC）联合重组粒细胞-巨噬细胞集落刺激因子（GM-CSF）皮内注射（ID），每3周一次，共3剂。随后患者在疫苗3后9周和加强针1后18周接受皮内加强疫苗。患者在整个试验期间还接受血样采集。ARM B：患者接受GM-CSF皮内注射，每3周一次，共3剂。随后患者在疫苗3后9周和加强针1后18周接受皮内加强疫苗。患者在整个试验期间还接受血样采集。完成研究治疗后，患者被
【主题与分类】
主题标签：Anatomic Stage I Breast Cancer AJCC v8、Anatomic Stage II Breast Cancer AJCC v8、Anatomic Stage III Breast Cancer AJCC v8、Triple-Negative Breast Carcinoma。本站分类：肿瘤/乳腺癌。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT07721259
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/NCT07721259
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
条件：解剖学I期乳腺癌AJCC第8版、解剖学II期乳腺癌AJCC第8版、解剖学III期乳腺癌AJCC第8版、三阴性乳腺癌。大纲：患者被随机分配至2个组中的1组。A组：患者每3周皮内（ID）注射一次CD105/Yb-1/SOX2/CDH3/MDM2-多表位质粒脱氧核糖核酸（DNA）疫苗（STEMVAC）联合重组粒细胞-巨噬细胞集落刺激因子（GM-CSF），共3剂。随后患者在第3剂疫苗接种后9周和第1次加强针后18周皮内注射加强疫苗。患者在试验期间还接受血样采集。B组：患者每3周皮内注射一次GM-CSF，共3剂。随后患者在第3剂疫苗接种后9周和第1次加强针后18周皮内注射加强疫苗。患者在试验期间还接受血样采集。完成研究治疗后，患者在末次疫苗接种后3周进行随访，之后每6个月随访一次，持续3年。
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。
