子宫内膜癌与宫颈癌MRD检测早期复发前瞻性队列研究
该数据集来自clinicaltrials.gov,为一项前瞻性队列研究,覆盖子宫内膜癌与宫颈癌患者,计划入组600人(各300人)

基本信息
资源简介
子宫内膜癌与宫颈癌MRD检测早期复发前瞻性队列研究
该数据集来自clinicaltrials.gov,为一项前瞻性队列研究,覆盖子宫内膜癌与宫颈癌患者,计划入组600人(各300人)。研究采集手术或活检的FFPE肿瘤组织进行基因组分析,并在基线(手术或CCRT前)等时间点采集约20ml外周血,评估基于ctDNA的MRD检测作为高灵敏度生物标志物用于早期复发检测的价值。数据可用于探索MRD检测与肿瘤复发的关系,支持早期复发预测相关研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:子宫肿瘤、宫颈癌。尽管接受了标准治疗,仍有相当数量的子宫内膜癌和宫颈癌患者出现复发。目前的监测依赖影像学(CT/MRI)和肿瘤标志物(CA-125、SCC-Ag),这些方法往往在可见肿瘤团块形成后才检测到复发。本前瞻性队列研究评估基于ctDNA的MRD检测作为高灵敏度生物标志物用于早期检测的效用。研究人群与流程:共纳入600名参与者(300名子宫内膜癌和300名宫颈癌)。研究涉及以下程序:肿瘤组织采集:将采集手术或活检的福尔马林固定石蜡包埋(FFPE)组织用于基因组分析。系列血液采集:将在以下时间点采集外周血样本(约20ml):基线(手术或CCRT前
【主题与分类】
主题标签:Uterine Neoplasms、Cervical Cancer。本站分类:肿瘤/宫颈癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07382505
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/NCT07382505
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
条件:子宫肿瘤、宫颈癌。尽管接受了标准治疗,仍有相当数量的子宫内膜癌和宫颈癌患者出现复发。目前的监测依赖于影像学检查(CT/MRI)和肿瘤标志物(CA-125、SCC-Ag),而这些方法往往只能在可见肿瘤肿块形成后才检测到复发。本前瞻性队列研究评估基于ctDNA的MRD检测作为一种高灵敏度生物标志物用于早期检测的效用。研究人群与流程:共纳入600名参与者(300名子宫内膜癌患者和300名宫颈癌患者)。本研究涉及以下程序:肿瘤组织采集:将采集手术或活检的福尔马林固定石蜡包埋(FFPE)组织用于基因组分析。
系列血液采集:将在以下时间点采集外周血样本(约20ml):基线(手术或CCRT前)、术后(手术后4周内)、辅助治疗后(化疗或CCRT完成后4周内)、监测期(前2年每3个月一次,之后每6个月一次)。MRD分析:将对血浆游离DNA(cfDNA)进行深度测序,以追踪肿瘤特异性变异。目的:主要目的是计算“提前时间”,即首次MRD阳性结果与临床/影像学复发之间的间隔。次要目的包括评估MRD检测的敏感性和特异性及其与RFS和OS的关联。通过将MRD动态变化与常规生物标志物进行比较,本研究旨在确定分子监测能否为患者的预后和复发风险提供更准确的评估。
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。




