不可切除肝细胞癌经Atezolizumab联合Bevacizumab治疗后的根治性治疗
该数据集来自clinicaltrials.gov,聚焦不可切除肝细胞癌(HCC)患者在接受Atezolizumab联合Bevacizumab(Atezo-Bev)标准一线免疫治疗后,部分缓解者能否通过根治性治疗达到无病状态及其预后问题

基本信息
资源简介
不可切除肝细胞癌经Atezolizumab联合Bevacizumab治疗后的根治性治疗
该数据集来自clinicaltrials.gov,聚焦不可切除肝细胞癌(HCC)患者在接受Atezolizumab联合Bevacizumab(Atezo-Bev)标准一线免疫治疗后,部分缓解者能否通过根治性治疗达到无病状态及其预后问题。数据覆盖多国多中心研究背景,可用于探索根治性治疗与单纯完全缓解患者预后差异,以及部分缓解后进一步根治性治疗是否优于维持部分缓解,为临床决策与预后预测提供依据(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:肝细胞癌。联合免疫治疗目前是不可切除肝细胞癌(HCC)的标准一线全身治疗。接受atezolizumab联合bevacizumab(Atezo-Bev)治疗的患者中,约30%达到完全或部分肿瘤缓解。部分达到部分缓解的患者出现足够肿瘤退缩,从而能够接受根治性治疗并随后达到无病状态。然而,经根治性治疗达到无病的患者其预后是否等同于仅接受Atezo-Bev治疗达到完全缓解的患者,尚不清楚。同样,接受Atezo-Bev治疗达到部分缓解后接受根治性治疗的患者,其预后是否优于未接受进一步根治性治疗而维持部分缓解的患者,也仍不确定。因此,我们设计了这项多国、多中心
【主题与分类】
主题标签:Hepatocellular Carcinoma。本站分类:肿瘤/肝癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07091942
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/NCT07091942
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:肝细胞癌。联合免疫治疗目前是不可切除肝细胞癌(HCC)的标准一线全身治疗。接受阿替利珠单抗联合贝伐珠单抗(Atezo-Bev)治疗的患者中,约30%达到完全或部分肿瘤缓解。部分达到部分缓解的患者肿瘤缩小程度足以接受根治性治疗,随后达到无病状态。然而,经根治性治疗后达到无病的患者,其预后是否与单纯接受Atezo-Bev治疗达到完全缓解的患者相当,尚不清楚。同样,接受Atezo-Bev治疗达到部分缓解后接受根治性治疗的患者,其预后是否优于维持部分缓解而未进一步接受根治性治疗的患者,也仍不确定。因此,我们设计了这项跨国、多中心、回顾性病历审查研究,以解答这些问题。
计划队列 * 根治性治疗队列:不可切除肝细胞癌患者,对Atezo-Bev治疗达到部分缓解,随后接受根治性治疗——手术切除、射频消融或根治性放疗——以达到无病状态。 * 对照组:不可切除肝细胞癌患者,对Atezo-Bev治疗达到完全或部分缓解,但未接受后续根治性治疗。 方法与终点 数据将从全球不超过30家医院收集,目标纳入根治性治疗队列约400名患者和对照组约1,200名患者。病历回顾将收集基线特征、疾病状态、肝功能、Atezo-Bev治疗详情、根治性治疗具体情况、治疗反应及生存结果。主要目标是比较两个队列的无复发生存期。这项回顾性研究将于2025年3月31日结束数据收集。
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。




