Tislelizumab与Spartalizumab在PD1高表达mRNA肿瘤患者中跨多种癌症类型的疗效
该数据集来自clinicaltrials.gov，聚焦PD1-high mRNA表达肿瘤患者，覆盖MSI-H结直肠癌、黑色素瘤、肛管癌、间皮瘤、三阴性乳腺癌、肺腺癌、胆管癌、宫颈癌等多种癌症类型
基本信息
资源简介
Tislelizumab与Spartalizumab在PD1高表达mRNA肿瘤患者中跨多种癌症类型的疗效
该数据集来自clinicaltrials.gov，聚焦PD1-high mRNA表达肿瘤患者，覆盖MSI-H结直肠癌、黑色素瘤、肛管癌、间皮瘤、三阴性乳腺癌、肺腺癌、胆管癌、宫颈癌等多种癌症类型。数据涉及在西班牙多中心进行分子预筛选，采用nCounter技术在中位Hospital Clinic of Barcelona检测肿瘤样本PD1 mRNA表达，并计划设置PD1-high与PD1-low等患者队列，分别接受spartalizumab单药等治疗。可用于探索免疫治疗疗效预测、生物标志物分层及跨癌种响应分析（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：条件：MSI-H结直肠癌、黑色素瘤、肛管癌、间皮瘤、三阴性乳腺癌、肺腺癌、胆管癌、宫颈癌。患者将在西班牙各中心签署分子预筛选知情同意书，从而允许使用基于nCounter的技术对肿瘤样本进行PD1 mRNA表达测定。该检测将在Hospital Clinic of Barcelona集中进行。在本试验中，计划设置三个患者队列： 队列1：PD1-high肿瘤患者，根据预先设定的 cutoff 定义，将接受spartalizumab单药治疗（400mg/IV，每28天一次）。 队列2：PD1-low晚期实体瘤患者，其PD1/PD-L1抑制剂疗效此前已确立（即已获得FDA或EMA单药适应症批准），也将被招募并接受spartalizumab单药治疗（40
【主题与分类】
主题标签：MSI-H Colorectal Cancer、Melanoma、Anal Carcinoma、Mesothelioma、Triple Negative Breast Cancer、Lung Adenocarcinoma、Cholangiocarcinoma、Cervical Carcinoma、Kidney Clear Cell Carcinoma、Stomach Adenocarcinoma。本站分类：肿瘤/乳腺癌。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT04802876
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/NCT04802876
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
适应症：MSI-H结直肠癌、黑色素瘤、肛管癌、间皮瘤、三阴性乳腺癌、肺腺癌、胆管癌、宫颈癌。患者将在西班牙各中心签署分子预筛查知情同意书，以便使用基于nCounter的技术测定肿瘤样本中PD1 mRNA的表达。该检测将在巴塞罗那医院诊所集中进行。本试验计划设立三个患者队列：* 队列1：根据预设临界值定义为PD1高表达肿瘤的患者，将接受spartalizumab单药治疗（400mg/IV，每28天一次）。* 队列2：PD1低表达晚期实体瘤患者，且既往已确立PD1/PD-L1抑制剂的疗效（即已获得FDA或EMA单药适应症批准），也将被招募并接受spartalizumab单药治疗（400mg/IV，每28天一次）。* 队列3：根据预设临界值定义为PD1高表达肿瘤的患者，将接受替雷利珠单抗单药治疗（300mg/IV，每28天一次）。
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。
