儿童癌症患者肠道健康数据集
该数据集来源于clinicaltrials.gov,聚焦儿童癌症患者的肠道健康问题,涉及AML(急性髓系白血病)、HLH、Burkitt淋巴瘤/白血病等疾病

基本信息
资源简介
儿童癌症患者肠道健康数据集
该数据集来源于clinicaltrials.gov,聚焦儿童癌症患者的肠道健康问题,涉及AML(急性髓系白血病)、HLH、Burkitt淋巴瘤/白血病等疾病。源站描述指出,儿童AML虽完全缓解率约90%,但3年无事件生存率和总生存率分别仅为45%和65%,近半数患儿会复发,且抗原靶向免疫治疗成为新方向,而肠道黏膜炎是化疗常见副作用之一。该数据可用于研究儿童癌症治疗中肠道健康与免疫平衡的关系,以及化疗副作用的管理(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:AML(急性髓系白血病)、HLH、Burkitt淋巴瘤/白血病。急性髓系白血病(AML)是一种侵袭性癌症,由未成熟白细胞(称为原始细胞)的克隆性扩增引起(Chaudhury等,2018),与儿童淋巴细胞白血病相比,其预后通常较差(Arad-Cohen等,2022)。虽然儿童AML的完全缓解率较高,约为90%,但3年无事件生存率和总生存率仍不理想,分别为45%和65%,且近半数儿童会复发(Rasche等,2018)。近年来,癌症治疗(包括AML)已转向抗原靶向免疫治疗,以触发抗白血病反应(Greiner,2019)。肠道黏膜炎是化疗最常见的副作用之一,由肠道免疫平衡的破坏引起。
【主题与分类】
主题标签:AML (Acute Myelogenous Leukemia、HLH、Burkitt Lymphoma/Leukemia。本站分类:肿瘤/白血病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT06899581
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/NCT06899581
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:急性髓系白血病、HLH、伯基特淋巴瘤/白血病。急性髓系白血病是一种侵袭性癌症,由未成熟白细胞(称为原始细胞)的克隆性扩增引起(Chaudhury等,2018),与儿童淋巴系白血病相比,其预后通常较差(Arad-Cohen等,2022)。虽然儿童急性髓系白血病的完全缓解率较高,约为90%,但3年无事件生存率和总生存率仍不理想,分别为45%和65%,且近半数儿童会复发(Rasche等,2018)。近年来,癌症治疗(包括急性髓系白血病)逐渐转向抗原靶向免疫治疗,以触发抗白血病反应(Greiner,2019)。肠道黏膜炎是化疗最常见的副作用之一,由肠道黏膜屏障的免疫平衡破坏所致(De Pietri等,2020)。这会导致肠道黏膜的吸收和分泌功能改变、出血、肠道运动障碍或肠衰竭(McGrath,2019;Ohta等,2003)。
化疗引起的肠道黏膜炎被认为在全身性炎症和感染的发生中起核心作用(van der Velden等,2014)。由于缺乏经过验证的评分量表,肠道黏膜炎严重程度的临床评估面临挑战,因此需要与黏膜炎发病机制相关的客观生物标志物来评估其严重程度。血浆瓜氨酸水平降低与成人和儿童造血干细胞移植后肠道黏膜炎及全身性炎症的严重程度相关(Gosselin等,2014;van Vliet等,2009)。化疗引起的肠道黏膜炎导致肠道细菌易位,使细菌能够穿过受损的黏膜屏障,从而导致全身性炎症并可能引起全身性感染,尤其是在免疫功能受损的患者中(Villa和Sonis,2015)。疾病
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。




