肺腺癌离体药物反应分析与结局预测

数据集获取

源站：https://clinicaltrials.gov/study/NCT07636252

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

条件：肺腺癌、恶性胸腔积液（MPE）。非小细胞肺癌（NSCLC）的治疗决策通常依赖于DNA测序，而DNA测序仅能部分反映肿瘤的突变图谱，可能遗漏其他复杂的耐药机制。因此，无偏倚的功能性药物筛选对于快速确定最佳后续治疗方案至关重要。当前的药物敏感性检测（DST）受限于活肿瘤细胞分离效率低下。为解决这一问题，开发了一种快速、无偏倚的DST平台，采用FDA批准的靶向治疗药物。我们的方法利用恶性胸腔积液（MPE）作为活肿瘤细胞的丰富来源。由于MPE具有高度异质性，首先通过EpCAM流式细胞术鉴定肿瘤细胞，并使用抗体包被的磁珠去除CD45+免疫细胞以富集肿瘤细胞。随后将富集的肿瘤细胞接种于含药物的培养板中。孵育72小时后，使用CellTiter-Glo检测法评估细胞活力。

治疗效果由一系列药物浓度下细胞活力降低的程度决定，其中最有效的治疗是在最低浓度范围内即可降低细胞活力的药物。为了将临床结局与离体药物反应检测相关联，研究者利用多样化的化合物库，对需要治疗的个体患者的原代肿瘤细胞离体系统性地测定药物敏感性和耐药性。通过系统分析离体药物反应模式，肿瘤应按反应表型进行功能性分组。尽管在本研究中，特定治疗方案的选择不会基于离体药物反应检测，但患者的临床反应及随访数据将平行前瞻性收集。

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。