评估晚期实体瘤中PD-1/PD-L1抑制剂治疗时长
该数据集来自clinicaltrials.gov，聚焦晚期实体瘤患者接受PD-1/PD-L1抑制剂治疗的最佳时长问题。覆盖NSCLC、膀胱癌、HNSCC、肾癌、黑色素瘤、肛门癌、结直肠癌等多种瘤种
基本信息
资源简介
评估晚期实体瘤中PD-1/PD-L1抑制剂治疗时长
该数据集来自clinicaltrials.gov，聚焦晚期实体瘤患者接受PD-1/PD-L1抑制剂治疗的最佳时长问题。覆盖NSCLC、膀胱癌、HNSCC、肾癌、黑色素瘤、肛门癌、结直肠癌等多种瘤种。源站描述显示，UPMC系统过去一年约2300例患者接受此类治疗，且预计人数将随适应症扩大而增加。研究者对60名肿瘤内科医生进行调查，其中52人（86.7%）表示愿意参与以确定治疗1年后能否安全停止免疫治疗为主要目标的临床试验。该数据可用于分析治疗时长与停药可行性，支持临床决策与预测建模（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：Conditions: Advanced Solid Tumors, NSCLC, Bladder Cancer, HNSCC, Renal Cancer, Melanoma, Anal Cancer, Colorectal Cancer. 在UPMC系统内，过去一年约有2,300名患者因多种晚期实体瘤接受了PD-1/PD-L1治疗。随着这些药物的临床适应症增加，预计这一数字还会上升。研究者对UPMC系统内的60名肿瘤内科医生进行了一项调查，了解他们对一项试图解决PD-1/PD-L1最佳治疗时长问题的试验的兴趣。52名（86.7%）医生表示，他们愿意参与一项主要目标为确定治疗1年后停止免疫治疗是否可行的临床试验。
【主题与分类】
主题标签：Advanced Solid Tumors、NSCLC、Bladder Cancer、HNSCC、Renal Cancer、Melanoma、Anal Cancer、Colorectal Cancer、Cholangiocarcinoma、Gastric Cancer。本站分类：肿瘤/肺癌。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT04157985
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/NCT04157985
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
疾病类型：晚期实体瘤、NSCLC、膀胱癌、HNSCC、肾癌、黑色素瘤、肛门癌、结直肠癌。在UPMC系统内，过去一年中大约有2，300名患者因各种晚期实体瘤接受了PD-1/PD-L1治疗。随着这些药物临床适应症的不断增加，预计这一数字还将上升。研究人员对UPMC系统内的60名肿瘤内科医生进行了一项调查，旨在了解他们对于参与一项旨在探讨PD-1/PD-L1治疗最佳时长问题的试验的兴趣。其中52名（86.7%）医生表示，他们愿意参与一项主要目标为确定治疗1年后停止免疫治疗是否可行的临床试验。
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。
