Avelumab联合放疗治疗软脑膜病变的IB期研究
该数据集来自一项IB期单臂非随机研究，旨在评估PD-L1抑制剂Avelumab联合全脑放疗在转移性黑色素瘤、肺癌和乳腺癌所致软脑膜病变患者中的安全性
基本信息
资源简介
Avelumab联合放疗治疗软脑膜病变的IB期研究
PHASE IB STUDY OF AVELUMAB WITH RADIOTHERAPY IN PATIENTS WITH LEPTOMENINGEAL DISEASE
该数据集来自一项IB期单臂非随机研究，旨在评估PD-L1抑制剂Avelumab联合全脑放疗在转移性黑色素瘤、肺癌和乳腺癌所致软脑膜病变患者中的安全性。研究假设该方案可激活外周T细胞并促进其向脑脊液迁移，形成炎症性细胞因子谱，且安全可耐受并改善总生存。数据包含高通量测序表达谱，可用于探索治疗相关的免疫细胞激活与迁移机制，以及基于脑脊液测量和毒性指标进行样本量估算（来源 NCBI）。
【数据集背景】
源站首次发布：Jun 05 202。
【数据内容】
源站描述（机器翻译，仅供参考）：一项IB期、单臂、非随机研究，旨在确立PD-L1抑制剂Avelumab联合放疗在转移性黑色素瘤、肺癌和乳腺癌所致软脑膜病变（LMDz）患者中的安全性。我们假设：1）全身性Avelumab将激活外周T细胞，并且联合全脑放疗（诱导血脑屏障破坏并刺激抗原表达）将显著增加迁移进入脑脊液（CSF）的T细胞数量和激活状态，在LMDz患者中形成炎症性CSF细胞因子谱；2）该治疗方案安全且耐受良好，无显著毒性，并将较历史对照改善总生存；3）可利用CSF测量、毒性和临床获益得出点估计值（含置信区间），以估算扩展研究的样本量/给药方案。
【数据结构与技术规格】
文件数 1 个，合计 0 B。
【主题与分类】
主题标签：GPL18573、9606。本站分类：肿瘤/肺癌。
【获取与许可】
源站页面：https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE299082
【使用注意】
· 源站最后修改于 Dec 08 202，引用时请注意版本时效。
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://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE299082
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
一项IB期、单臂、非随机研究，旨在确立PDL-1抑制剂Avelumab联合放疗在转移性黑色素瘤、肺癌和乳腺癌所致软脑膜疾病（LMDz）患者中的安全性。我们假设：1）全身性Avelumab将激活外周T细胞，并且结合全脑放疗（诱导血脑屏障破坏并刺激抗原表达），将显著增加LMDz患者中迁移至脑脊液（CSF）的T细胞数量及活化状态，并呈现炎症性CSF细胞因子谱；2）该治疗方案安全且耐受良好，无显著毒性，并将较历史对照改善总生存期；3）可利用CSF测量指标、毒性反应和临床获益得出点估计值（含置信区间），以估算扩展推荐II期研究的样本量/给药方案。
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。
