分片自体抗原刺激T细胞免疫治疗联合放疗的I/II期研究(FAST-CR)
该数据集来自clinicaltrials.gov,收录一项名为FAST-CR的I/II期临床研究,聚焦分片自体抗原刺激T细胞免疫治疗联合放疗

基本信息
资源简介
分片自体抗原刺激T细胞免疫治疗联合放疗的I/II期研究(FAST-CR)
该数据集来自clinicaltrials.gov,收录一项名为FAST-CR的I/II期临床研究,聚焦分片自体抗原刺激T细胞免疫治疗联合放疗。研究覆盖乳腺癌、结直肠癌、黑色素瘤和肺癌等肿瘤类型,涉及肿瘤全细胞疫苗、免疫原性细胞死亡、原位疫苗接种及T细胞招募等机制。数据可用于肿瘤免疫治疗与放疗联合策略的分类研究,帮助理解全细胞疫苗在重塑免疫耐受和促进远端肿瘤识别方面的潜在作用(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:乳腺癌、结直肠癌、黑色素瘤、肺癌。肿瘤全细胞疫苗作为肿瘤免疫治疗方法之一,已成为众多临床前研究的重点。其中,最新方法包括冷冻保存的二氧化硅基疫苗/老化细胞疫苗和基因工程疫苗。这些疫苗诱导肿瘤细胞发生免疫原性细胞死亡,从而重塑机体的免疫耐受并促进原位免疫(原位疫苗接种)。它们增强引流淋巴结中肿瘤相关抗原的多样性,增加T细胞的招募,并促进肿瘤识别和抗肿瘤效应。同时,全细胞疫苗保留了肿瘤细胞的所有潜在抗原,这种完整性增加了免疫激活和识别远端肿瘤的可能性。此外,由于该疫苗使用
【主题与分类】
主题标签:Breast Cancer, Colorectal Cancer、Melanoma、Lung Cancer。本站分类:肿瘤/肺癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT06756295
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/NCT06756295
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:乳腺癌、结直肠癌、黑色素瘤、肺癌。肿瘤全细胞疫苗作为肿瘤免疫治疗方法之一,已成为众多临床前研究的重点。其中,最新的方法包括冷冻保存的二氧化硅基疫苗/衰老细胞疫苗和基因工程疫苗。这些疫苗诱导肿瘤细胞发生免疫原性细胞死亡,从而重塑机体的免疫耐受并促进原位免疫(原位疫苗接种)。它们增强引流淋巴结中肿瘤相关抗原的多样性,增加T细胞的募集,并促进肿瘤识别和抗肿瘤效应。同时,全细胞疫苗保留了肿瘤细胞的所有潜在抗原,这种完整性增加了免疫激活和识别远端肿瘤的可能性。此外,由于疫苗使用患者自身的肿瘤组织,降低了外源成分可能引起的免疫过度激活风险。
临床前研究发现,在实验动物原发性肿瘤手术切除模型中,FAST疫苗可显著抑制肿瘤病灶的复发和转移,重塑定植器官的免疫微环境,实现微转移灶的全身清除,抑制肿瘤复发和转移进展,并延长实验动物的生存期。另一方面,临床上许多晚期癌症患者不适合手术切除,肿瘤负荷较高。此外,全细胞自体FAST疫苗诱导的免疫应答需要一定时间才能产生。因此,在我们的临床前研究中,研究者将FAST疫苗给药与放疗相结合,以控制实验动物的局部肿瘤。结果显示,该方法显著增强了固有免疫和适应性免疫,抑制了肿瘤进展和转移,并提高了实验动物的生存率。本研究旨在招募肿瘤
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。




