Lenvatinib联合Pembrolizumab治疗晚期BTC患者的预测性生物标志物研究
该数据集来自clinicaltrials.gov,聚焦接受Lenvatinib联合Pembrolizumab治疗的晚期胆道癌(BTC)患者,用于研究预测性生物标志物

基本信息
资源简介
Lenvatinib联合Pembrolizumab治疗晚期BTC患者的预测性生物标志物研究
该数据集来自clinicaltrials.gov,聚焦接受Lenvatinib联合Pembrolizumab治疗的晚期胆道癌(BTC)患者,用于研究预测性生物标志物。源站描述涵盖BTC在亚洲的流行病学特征、生存率对比、手术可切除比例及一线治疗演变,并提及TOPAZ-1和KEYNOTE-966等Phase 3试验的免疫联合治疗生存获益。数据可用于探索该联合方案的疗效预测标志物及相关临床特征分析(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:胆道癌、胆管癌。与西方国家相比,胆道癌(BTC)在亚洲的患病率更高,韩国BTC发病率位居全球第二。根据中央癌症登记处2023年的数据,2017年至2021年BTC的5年生存率为28.9%,显著低于胃癌(77.9%)、结直肠癌(74.3%)和乳腺癌(93.8%)等其他癌症。手术是BTC的主要治疗方法,但只有40-50%的患者适合根治性切除。对于不可切除、晚期或转移性BTC患者,自2010年ABC-02 Phase 3试验结果公布以来,标准一线治疗一直是吉西他滨联合顺铂(GP)。最近,两项Phase 3试验——2022年的TOPAZ-1和2023年的KEYNOTE-966——证明加用免疫检查点
【主题与分类】
主题标签:Biliary Tract Cancer、Cholangiocarcinoma。本站分类:肿瘤/乳腺癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT06648057
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/NCT06648057
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:胆道癌、胆管癌。与西方国家相比,胆道癌(BTC)在亚洲的患病率更高,韩国BTC发病率位居全球第二。根据中央癌症登记处2023年的数据,2017年至2021年BTC的5年生存率为28.9%,显著低于胃癌(77.9%)、结直肠癌(74.3%)和乳腺癌(93.8%)等其他癌症。手术是BTC的主要治疗方法,但仅有40-50%的患者适合接受根治性切除术。对于不可切除、晚期或转移性BTC患者,自2010年ABC-02 III期试验结果公布以来,吉西他滨联合顺铂(GP)一直是标准一线治疗。近期,两项III期试验——2022年的TOPAZ-1和2023年的KEYNOTE-966——证实了在GP治疗基础上加用免疫检查点抑制剂(度伐利尤单抗或帕博利珠单抗)可带来显著生存获益,使这些联合方案成为晚期BTC的新一线标准治疗。这些联合方案已在韩国获批使用。
然而,对于一线GP治疗失败的患者,最常选择的二线治疗方案FOLFOX(5-FU+亚叶酸钙+奥沙利铂)相较于支持治疗仅能带来约一个月的有限生存期延长。这凸显了临床对更有效二线治疗方案的未满足需求。一项多中心2期试验已证实,仑伐替尼联合帕博利珠单抗是这类患者颇具前景的治疗选择。本前瞻性观察性研究旨在评估仑伐替尼联合帕博利珠单抗联合治疗在真实世界临床实践中用于晚期BTC的临床疗效与安全性。此外,本研究还希望通过血液和组织样本的基因分析来探索潜在的预测性生物标志物,以更好地了解哪些患者最有可能从该治疗中获益。
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。




