生物疗法治疗转移性癌症患者
该数据集来自 clinicaltrials.gov,主题为生物疗法治疗转移性癌症患者,覆盖乳腺癌、结直肠癌、肝外胆管癌、胆囊癌、胃癌、头颈癌、肝癌、肺癌等多种癌症

基本信息
资源简介
生物疗法治疗转移性癌症患者
该数据集来自 clinicaltrials.gov,主题为生物疗法治疗转移性癌症患者,覆盖乳腺癌、结直肠癌、肝外胆管癌、胆囊癌、胃癌、头颈癌、肝癌、肺癌等多种癌症。源站描述显示,研究旨在评估静脉注射自体培养树突状细胞疫苗(经癌胚抗原 CEA RNA 脉冲)在表达 CEA 的转移性腺癌患者中的安全性、剂量限制毒性、细胞免疫反应以及临床和生化反应及其持续时间,采用三阶段、开放标签、非对照、剂量递增设计。数据可用于肿瘤免疫治疗相关的安全性、免疫应答与疗效预测研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:乳腺癌、结直肠癌、肝外胆管癌、胆囊癌、胃癌、头颈癌、肝癌、肺癌。目标:I. 确定静脉注射经癌胚抗原(CEA)RNA 脉冲的自体培养树突状细胞疫苗在表达 CEA 的转移性腺癌患者中的安全性和剂量限制毒性。II. 评估对 CEA 蛋白的细胞免疫反应。III. 评估对治疗的临床和生化反应以及此类反应的持续时间。概述:这是一项三阶段、开放标签、非对照、剂量递增研究。前 3 名患者在 0、1、2 和 3 周接受低剂量静脉注射经癌胚抗原(CEA)RNA 脉冲的自体树突状细胞(DC)。评估患者的剂量限制毒性(DLT)、免疫反应和抗肿瘤反应,持续至
【主题与分类】
主题标签:Breast Cancer、Colorectal Cancer、Extrahepatic Bile Duct Cancer、Gallbladder Cancer、Gastric Cancer、Head and Neck Cancer、Liver Cancer、Lung Cancer、Metastatic Cancer、Ovarian Cancer。本站分类:肿瘤/肺癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT00004604
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/NCT00004604
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、肝外胆管癌、胆囊癌、胃癌、头颈癌、肝癌、肺癌。目的:I. 确定表达癌胚抗原(CEA)的转移性腺癌患者接受静脉注射经癌胚抗原(CEA)RNA脉冲的自体培养树突状细胞疫苗的安全性和剂量限制性毒性。II. 评估对CEA蛋白的细胞免疫反应。III. 评估治疗的临床和生化反应及此类反应的持续时间。大纲:这是一项三阶段、开放标签、非对照、剂量递增研究。首批3名患者在0、1、2和3周接受低剂量静脉注射经癌胚抗原(CEA)RNA脉冲的自体树突状细胞(DC)。在剂量递增前,至少对患者进行1周的剂量限制性毒性(DLT)、免疫反应和抗肿瘤反应评估。如果前3名患者未出现DLT,则接下来的3名患者在0、1、2和3周接受中等剂量的CEA RNA脉冲的自体DC治疗。
最后,如果在中等剂量下未观察到DLT,则最终6名患者将在第0、1、2和3周接受高剂量CEA RNA脉冲自体DC的静脉输注。如果在低剂量或中等剂量水平下有1-2名患者经历DLT,则在同一剂量下再入组3名患者。如果未再发生DLT,则继续剂量递增。一旦在一个剂量水平下的3-6名患者中出现3例毒性事件,该剂量水平的入组即停止。MTD定义为低于6名患者中有超过3名发生DLT的剂量水平的下一级剂量水平。预计入组人数:本研究至少入组3名,最多18名患者。
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。




