不可切除肝细胞癌Atezolizumab联合Bevacizumab加局部治疗的疗效异质性研究

该数据集来自clinicaltrials.gov,聚焦不可切除肝细胞癌(uHCC)患者在接受Atezolizumab联合Bevacizumab一线治疗时加用局部区域治疗(LRT)的疗效异质性

Zhongda HospitalZhongda Hospital
clinicaltrials
浏览 2
医学影像预测Unresectable Hepatocellular Carcinoma
Heterogeneity of Treatment Effects of Adding Locoregional Therapies to Atezolizumab Plus Bevacizumab in Patients With Unresectable Hepatocellular Carcinoma (ISMIO-026)

基本信息

模态
医学影像
任务类型
预测
创建/更新时间
2026-10-24

资源简介

不可切除肝细胞癌Atezolizumab联合Bevacizumab加局部治疗的疗效异质性研究

该数据集来自clinicaltrials.gov,聚焦不可切除肝细胞癌(uHCC)患者在接受Atezolizumab联合Bevacizumab一线治疗时加用局部区域治疗(LRT)的疗效异质性。数据整合基线临床变量与治疗前增强CT/MRI特征,采用目标试验模拟与HTE分析,旨在识别哪些患者应早期接受LRT。可用于探索LRT的适应证、时机、疗效及肝功能损伤风险,支持个体化治疗决策的预测建模研究(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):疾病:不可切除肝细胞癌。uHCC在中国和亚太地区造成沉重的疾病负担。Atezo+Bev是未接受过既往全身治疗患者的重要一线方案;然而,并非所有患者都能获得充分且持久的肿瘤控制。在临床实践中,常在Atezo+Bev基础上加用消融、放疗或经动脉治疗以强化肝内疾病控制。不同LRT的适应证、时机、疗效及肝功能损伤风险各异。现有研究多报告平均治疗效应,且常以TACE作为固定 backbone,因此无法直接识别哪些接受Atezo+Bev的患者应早期接受LRT。本研究将采用目标试验模拟和HTE分析,整合基线临床变量与治疗前增强CT/MRI特征,以估计t

【主题与分类】

主题标签:Unresectable Hepatocellular Carcinoma。本站分类:肿瘤/肝癌。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT07824765

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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/NCT07824765

标准获取流程:

  1. 访问源站链接,注册/登录账号;
  2. 进入数据集详情页,按页面指引申请权限或直接下载;
  3. 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。

数据说明

条件:不可切除的肝细胞癌。uHCC在中国和亚太地区造成了沉重的疾病负担。Atezo+Bev是未接受过既往全身治疗患者的重要一线方案;然而,并非所有患者都能获得充分且持久的肿瘤控制。在临床实践中,常在Atezo+Bev基础上联合消融、放疗或经动脉治疗,以加强对肝内疾病的控制。不同LRT的适应证、时机、疗效及肝功能损害风险各不相同。现有研究大多报告平均治疗效应,且常以TACE作为固定骨架,因此无法直接识别哪些接受Atezo+Bev的患者应早期接受LRT。本研究采用目标试验模拟和HTE分析,将基线临床变量与治疗前增强CT/MRI特征相结合,以估计早期启动LRT的CATE,并识别可能获得更大生存获益的患者。

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。

获取专属数据定制方案