抗癌药物治疗患者消化道微生物群中细菌耐药性的出现
该数据集来自 clinicaltrials.gov,聚焦接受抗癌药物治疗的肿瘤患者消化道微生物群中细菌耐药性的出现。覆盖宫颈癌、子宫内膜癌、妇科肿瘤、胰腺腺癌及上呼吸消化道癌等实体瘤

基本信息
资源简介
抗癌药物治疗患者消化道微生物群中细菌耐药性的出现
该数据集来自 clinicaltrials.gov,聚焦接受抗癌药物治疗的肿瘤患者消化道微生物群中细菌耐药性的出现。覆盖宫颈癌、子宫内膜癌、妇科肿瘤、胰腺腺癌及上呼吸消化道癌等实体瘤。研究关注靶向癌细胞 DNA 的化疗药物同时作用于细菌,通过激活细菌 SOS 反应,可能诱导肠道共生菌产生抗生素耐药性,并探讨微生物群组成、免疫系统、毒性与抗癌疗效之间的关联。可用于研究化疗对肠道微生物耐药性的影响及微生物群与治疗结局的关系(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:宫颈癌、子宫内膜癌、妇科肿瘤、胰腺腺癌、上呼吸消化道癌。实体瘤常采用靶向癌细胞 DNA 的化疗药物治疗。近期发现,肿瘤学中使用的化疗药物也以细菌为靶点。当前研究结果表明,微生物群组成、免疫系统、毒性与抗癌治疗疗效或其他方面之间存在密切联系。在此背景下,本研究将测量已知可激活细菌 SOS 反应的抗癌分子治疗对癌症患者肠道微生物群中抗生素耐药共生菌出现的影响。此外,本研究将探讨由诱导所决定的肠道微生物群变化之间是否存在密切联系
【主题与分类】
主题标签:Cervical Cancers、Endometrial Cancer、Gynecological Cancers、Pancreatic Adenocarcinoma、Upper Aerodigestive Tract Carcinoma。本站分类:肿瘤/宫颈癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07093593
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/NCT07093593
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:宫颈癌、子宫内膜癌、妇科癌症、胰腺腺癌、上呼吸消化道癌。实体癌通常采用靶向癌细胞DNA的化疗进行治疗。近期研究发现,细菌也是肿瘤学中所用化疗的靶标。当前研究结果表明,微生物群的组成、免疫系统、毒性以及抗癌治疗疗效之间存在着密切联系。在此背景下,本研究将测量已知能激活细菌SOS反应的抗癌分子治疗对癌症患者肠道微生物群中抗生素耐药共生菌出现的影响。此外,本研究还将探讨由SOS反应诱导与否所决定的肠道微生物群变化、细菌易位、肠道屏障完整性以及抗肿瘤免疫反应之间是否存在密切联系。
RAMA试验计划从两个不同的患者队列中采集粪便和血液样本:* 未暴露队列:接受不诱导细菌SOS反应的抗癌治疗的患者。* 暴露队列:接受诱导细菌SOS反应的抗癌治疗的患者。患者的粪便将在首次化疗治疗后的7天内以及第3个化疗周期后的7天内采集。血液样本将在采集粪便样本的同时采集两次。从这项前瞻性临床研究中获得的结果随后将在两个实验实验室模型中进行研究。目的是通过这项包含临床部分(即本方案所呈现的研究主题)并结合实验室研究部分的大规模研究,证明细胞毒性抗癌药物促进抗生素耐药共生菌的出现。
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。




