Nelipepimut-S联合GM-CSF疫苗治疗乳腺癌患者
数据覆盖主要目标为评估Nelipepimut-S特异性细胞毒性T淋巴细胞(CTL;CD8+ T细胞)反应,次要目标包括毒性谱与不良事件频率、切除时DCIS的存在、活检与术后标本HER2表达差异以及组织学反应(如淋巴细胞浸润程度和多重免疫荧光标记的免疫浸润)

基本信息
资源简介
Nelipepimut-S联合GM-CSF疫苗治疗乳腺癌患者
该数据集来自clinicaltrials.gov,聚焦于Nelipepimut-S联合GM-CSF疫苗治疗乳腺导管原位癌(DCIS)患者的临床试验。数据覆盖主要目标为评估Nelipepimut-S特异性细胞毒性T淋巴细胞(CTL;CD8+ T细胞)反应,次要目标包括毒性谱与不良事件频率、切除时DCIS的存在、活检与术后标本HER2表达差异以及组织学反应(如淋巴细胞浸润程度和多重免疫荧光标记的免疫浸润)。可用于分析疫苗免疫应答、安全性及病理学变化,支持乳腺癌免疫治疗研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:乳腺导管原位癌。主要目标:I. 评估接受NeuVax(Nelipepimut-S联合GM-CSF[沙格司亭])的患者与仅接受GM-CSF(对照)的患者相比,Nelipepimut-S特异性细胞毒性T淋巴细胞(CTL;分化簇[CD]8+ T细胞)反应。次要目标:I. 接受Nelipepimut-S疫苗的乳腺导管原位癌(DCIS)女性与仅接受GM-CSF的女性相比的毒性特征和不良事件频率。II. 切除时DCIS的存在。III. 活检与疫苗接种后切除的手术标本中HER2表达的差异。IV. 组织学反应:IVa. 在苏木精和伊红(H&E)染色玻片上确定的淋巴细胞浸润程度,以及通过多重免疫荧光染色确定的免疫浸润,标记包括但不限于C
【主题与分类】
主题标签:Breast Ductal Carcinoma In Situ。本站分类:肿瘤/乳腺癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT02636582
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/NCT02636582
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:乳腺导管原位癌。主要目的:I. 评估接受NeuVax(奈利哌姆特-S加GM-CSF[沙格司亭])治疗的患者与仅接受GM-CSF治疗的患者(对照组)相比,奈利哌姆特-S特异性细胞毒性T淋巴细胞(CTL;分化簇[CD]8+ T细胞)反应。次要目的:I. 接受奈利哌姆特-S疫苗治疗的乳腺导管原位癌(DCIS)女性与仅接受GM-CSF治疗的女性相比的毒性特征和不良事件频率。II. 切除时DCIS的存在。III. 活检与疫苗接种后切除的手术标本中HER2表达的差异。IV. 组织学反应:IVa. 在苏木精和伊红(H&E)染色玻片上确定的淋巴细胞浸润程度,以及通过多重免疫荧光染色确定的免疫浸润,检测标志物包括但不限于CD3、CD4和CD8。IVb. 在远离肿瘤最远的正常组织中的免疫浸润(在乳房切除术样本中)。方案概述:患者被随机分配到2个组中的1个。第I组:患者在第0天和第14天皮内(ID)接受奈利哌姆特-S加GM-CSF疫苗,然后在第28天接受手术。
第二组:患者在第0天和第14天接受沙格司亭皮内注射,然后在第28天接受手术。研究治疗完成后,对患者进行1个月和3个月的随访。
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。
需要用于商业化训练或医疗器械注册(NMPA/FDA)?
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连,提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。




