预测癌症免疫治疗反应的机器学习模型
用于预测癌症免疫治疗（如PD-1/PD-L1抑制剂）反应的机器学习数据集，包含临床表格数据。
基本信息
资源简介
预测癌症免疫治疗反应的机器学习模型
【数据集背景】
本数据集源站标题为《Machine learning model to predict cancer immunotherapy response》。源站首次发布：2022。
【数据内容】
源站原始描述：Recently, as a treatment of cancer, immune system based therapy, also known as immunotherapy, is widely used. Immune checkpoints are part of the immune system and they exist to prohibit an immune response from being too strong that it kills normal cells in the body. Immune checkpoints start working when proteins on the surface of T-cells, a type of immune cells that are developed from stem cells in the bone marrow and have an essential role in the adaptive immune response, recognize and bind to…
中文译文（机器翻译，仅供快速理解，请以原文为准）：近年来，作为癌症的一种治疗方法，基于免疫系统的疗法，也称为免疫疗法，被广泛应用。免疫检查点是免疫系统的一部分，它们的存在是为了防止免疫反应过强而杀死体内的正常细胞。当T细胞表面的蛋白质识别并结合其他细胞（如肿瘤细胞）上的伴侣蛋白时，免疫检查点开始工作。T细胞是一种由骨髓干细胞发育而来的免疫细胞，在适应性免疫反应中发挥重要作用。当结合牢固时，会向T细胞发送“关闭”信号，从而阻止免疫系统攻击肿瘤细胞。称为免疫检查点阻断的免疫疗法“阻断”检查点蛋白与其伴侣的结合，从而阻止“关闭”信号的发送。这使得T细胞能够杀死肿瘤细胞。免疫检查点阻断（ICB）已挽救了许多转移性癌症患者的生命。转移性癌症是指从身体原发部位（原发灶）扩散到身体其他部位的癌症。当癌细胞从肿瘤中脱落时，它们可以通过血流或淋巴系统传播到身体的其他部位。在美国，6%的女性在首次诊断时已患有转移性乳腺癌。黑色素瘤是目前ICB疗法广泛用于一线治疗的一种癌症。晚期黑色素瘤的3年总生存率已从2010年之前的12%（当时的标准治疗是化疗）提高到使用ICB疗法（如PD-1/PD-L1抑制剂）后的约60%。PD-1是一种免疫检查点蛋白，表达于免疫细胞（如T细胞）表面。这种蛋白确保身体免疫反应的能力。当PD-1与其伴侣蛋白PD-L1结合时，它有助于阻止T细胞杀死其他细胞，包括肿瘤细胞。肿瘤细胞通常在其表面表达PD-L1，因此它们能够逃避免疫反应。PD-1/PD-L1抑制剂是一组免疫检查点阻断剂，可抑制PD-1/PD-L1蛋白的活性。当这些蛋白被阻断时，来自免疫系统的“关闭”信号被解除，T细胞杀死肿瘤细胞的能力增强。尽管这种治疗效果显著，但治疗费用
【主题与分类】
主题标签：Oncology。
【适用方向】
结构化表格数据可直接用于统计建模、特征工程与队列分析。
【获取与许可】
源站页面：https://search.vivli.org/doiLanding/dataRequests/PR00007810
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。
暂未开放有偿下载
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://search.vivli.org/doiLanding/dataRequests/PR00007810
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:
数据加载示例（表格/文本类）
import pandas as pd, glob, os
files = (glob.glob(os.path.join(path, "**", "*.csv"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.tsv"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.xlsx"), recursive=True))
print("数据文件:", files)
df = pd.read_csv(files[0])
print(df.shape); print(df.columns.tolist()); print(df.head(3))
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。
