多中心随机开放标签试验：ctDNA指导中断对比标准治疗免疫检查点抑制剂治疗晚期/转移性实体瘤
该数据集来自clinicaltrials.gov，为一项多中心、开放标签、随机1:1试验，评估ctDNA指导中断免疫检查点抑制剂（ICI）治疗是否在晚期/转移性实体瘤患者中提供与标准治疗（SoC）持续ICI治疗相当的生存获益
基本信息
资源简介
多中心随机开放标签试验：ctDNA指导中断对比标准治疗免疫检查点抑制剂治疗晚期/转移性实体瘤
该数据集来自clinicaltrials.gov，为一项多中心、开放标签、随机1:1试验，评估ctDNA指导中断免疫检查点抑制剂（ICI）治疗是否在晚期/转移性实体瘤患者中提供与标准治疗（SoC）持续ICI治疗相当的生存获益。覆盖病种包括非小细胞肺癌（NSCLC）、黑色素瘤、微卫星高度不稳定/错配修复缺陷（MSI-High/dMMR）结直肠癌（CRC）、肾细胞癌（RCC）及其他实体瘤，计划在最多100个中心开展。可用于肿瘤免疫治疗中断策略、ctDNA指导治疗决策及生存预测研究（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：条件：NSCLC（晚期非小细胞肺癌）、NSCLC（非小细胞肺癌）、NSCLC（非小细胞肺癌）、NSCLC、黑色素瘤（皮肤癌）、黑色素瘤（皮肤）IV期、CRC、MSI高结直肠癌。这是一项多中心、开放标签、随机（1:1）试验，旨在评估ctDNA指导中断免疫检查点抑制剂（ICI）治疗是否在组织学确诊的晚期/转移性非小细胞肺癌（NSCLC）、黑色素瘤、微卫星高度不稳定/错配修复缺陷（MSI-High/dMMR）结直肠癌（CRC）、肾细胞癌（RCC）及其他实体瘤患者中提供与标准治疗（SoC）持续ICI治疗相当的生存获益。本研究将在最多100个中心开展。
【主题与分类】
主题标签：NSCLC (Non-small Cell Lung Cancer)、NSCLC (Non-small Cell Lung Carcinoma)、NSCLC、Melanoma (Skin Cancer)、Melanoma (Skin) Stage IV、CRC、MSI High Colorectal Cancer、DMMR Colorectal Cancer、RCC, Renal Cell Cancer、RCC。本站分类：肿瘤/肺癌。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT07689812
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/NCT07689812
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：NSCLC（晚期非小细胞肺癌）、NSCLC（非小细胞肺癌）、NSCLC（非小细胞肺癌）、NSCLC、黑色素瘤（皮肤癌）、IV期黑色素瘤（皮肤）、CRC、MSI高结直肠癌。这是一项多中心、开放标签、随机（1：1）试验，旨在评估在组织学确诊的晚期/转移性非小细胞肺癌（NSCLC）、黑色素瘤、微卫星高度不稳定（MSI-High）/错配修复缺陷（dMMR）结直肠癌（CRC）、肾细胞癌（RCC）及其他实体瘤患者中，ctDNA指导下的免疫检查点抑制剂（ICI）治疗中断是否可提供与标准治疗（SoC）持续ICI治疗相当的生存获益。本研究将在最多100个研究中心开展。
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。
