免疫检查点抑制剂诱导性肝炎前瞻性队列

该数据集来自 clinicaltrials.gov,为一项多中心前瞻性队列研究,聚焦免疫检查点抑制剂(ICI)诱导的肝损伤(CHILI)

University Hospital, MontpellierUniversity Hospital, Montpellier
clinicaltrials
浏览 2
其他预测Liver InjuryCancer Patients
Prospective Cohort of Immune Checkpoint Inhibitor-induced Hepatitis

基本信息

模态
其他
任务类型
预测
创建/更新时间
2026-10-24

资源简介

免疫检查点抑制剂诱导性肝炎前瞻性队列

该数据集来自 clinicaltrials.gov,为一项多中心前瞻性队列研究,聚焦免疫检查点抑制剂(ICI)诱导的肝损伤(CHILI)。覆盖接受 ICI 治疗的癌症患者,关注胆汁淤积型、肝细胞型或混合型肝损伤的临床模式、治疗反应及复发风险。数据可用于探索 CHILI 的临床分型特征、治疗决策依据以及免疫治疗安全重启的时机评估,为这一缺乏共识的临床问题提供研究基础(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):条件:继发于免疫检查点抑制剂的肝损伤、癌症患者。背景与研究理由:免疫检查点抑制剂(ICI)是一项突破性癌症治疗手段,可增强免疫系统以对抗肿瘤。虽然有效,但它们可能引起免疫相关副作用,包括肝脏炎症(ICI 诱导性肝炎或 CHILI),影响高达 25% 的患者。需要停止治疗的严重病例罕见但管理具有挑战性。研究目标:这项多中心前瞻性研究旨在更好地了解 CHILI 的临床模式、治疗反应和复发风险。它将聚焦不同类型的肝损伤(胆汁淤积型、肝细胞型或混合型),以指导更好的治疗决策。创新与方法:目前,对于如何管理 CHILI 或何时安全重启免疫治疗尚无明确共识。本研究将

【主题与分类】

主题标签:Liver Injury、Cancer Patients。本站分类:肿瘤/肝癌。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT06864481

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/NCT06864481

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

研究条件:癌症患者中继发于免疫检查点抑制剂的肝损伤。背景与研究依据:免疫检查点抑制剂(ICI)是一种突破性的癌症治疗方法,通过增强免疫系统来对抗肿瘤。虽然有效,但它们可能引起免疫相关副作用,包括肝脏炎症(ICI诱导的肝炎或CHILI),影响高达25%的患者。需要停止治疗的严重病例虽然罕见,但管理起来具有挑战性。研究目的:这项多中心前瞻性研究旨在更好地了解CHILI及其临床模式、治疗反应和复发风险。研究将聚焦于不同类型的肝损伤(胆汁淤积型、肝细胞型或混合型),以指导更好的治疗决策。创新与方法:目前,对于如何管理CHILI或何时安全地重新开始免疫治疗尚无明确共识。本研究将从接受ICI治疗的成年患者中收集真实世界数据,遵循国际指南,或在无共识时采用务实方法。研究结果将有助于改善对发生ICI相关肝毒性患者的照护策略。

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