癌症患者中与ICI毒性相关的免疫学变量
该数据集来源于clinicaltrials.gov，聚焦癌症患者中与免疫检查点抑制剂（ICI）毒性相关的免疫学变量。覆盖乳腺癌、黑色素瘤、非小细胞肺癌、非黑色素瘤皮肤癌、胃肠道癌、头颈癌、肾细胞癌、小细胞肺癌等多种肿瘤类型
基本信息
资源简介
癌症患者中与ICI毒性相关的免疫学变量
该数据集来源于clinicaltrials.gov，聚焦癌症患者中与免疫检查点抑制剂（ICI）毒性相关的免疫学变量。覆盖乳腺癌、黑色素瘤、非小细胞肺癌、非黑色素瘤皮肤癌、胃肠道癌、头颈癌、肾细胞癌、小细胞肺癌等多种肿瘤类型。源站描述指出ICI治疗在20-40%患者中诱导客观临床反应，同时伴随免疫相关不良事件（irAE）风险，I/II期试验报告任何级别irAE发生率为10%至80%。数据可用于研究ICI毒性相关的免疫学标志物及irAE预测（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、黑色素瘤、非小细胞肺癌、非黑色素瘤皮肤癌、胃肠道癌、头颈癌、肾细胞癌、小细胞肺癌。免疫治疗患者的治疗进展已显著改变癌症的发病率和死亡率。免疫检查点抑制剂（ICI），单独或与其他药物联合，目前作为标准治疗或实验性设置用于各种癌症。目前，ICI治疗在20-40%的患者中诱导客观临床反应，这因肿瘤类型而异。ICI治疗还伴随显著的免疫相关不良事件（irAE）风险，包括自身免疫性疾病的发生。虽然irAE的发生率高度可变并受许多因素影响，但I期和II期试验报告任何级别irAE的发生率从10%到80%，而3级或更高的irAE为
【主题与分类】
主题标签：Breast Cancer、Melanoma、Non Small Cell Lung Cancer、Non-melanoma Skin Cancer、Gastrointestinal Cancer、Head and Neck Cancer、Renal Cell Carcinoma、Small Cell Lung Cancer、Mesothelioma, Malignant、Bladder Cancer。本站分类：肿瘤/肺癌。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT05429866
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/NCT05429866
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、黑色素瘤、非小细胞肺癌、非黑色素瘤皮肤癌、胃肠道癌症、头颈癌、肾细胞癌、小细胞肺癌。免疫治疗领域的进展已显著改变了癌症的发病率和死亡率。免疫检查点抑制剂（ICI）单独使用或与其他药物联合使用，目前已成为多种癌症的标准治疗或处于实验性研究阶段。目前，ICI治疗可使20-40%的患者产生客观临床缓解，且因肿瘤类型而异。ICI治疗还伴随免疫相关不良事件（irAE）的显著风险，包括自身免疫性疾病的发生。虽然irAE的发生率高度可变且受多种因素影响，但I期和II期试验报告的任何级别irAE发生率为10%至80%，而3级或以上irAE在2.5%至18%的受试者中观察到。尽管老年人占确诊癌症患者的比例日益增长，但ICI在老年患者中单独使用或与其他药物联合使用的疗效和毒性仍存在争议。
目前，驱动irAE的具体免疫机制尚不清楚，亟需能够预测其发生、尤其是高级别irAE的生物标志物。识别用于预测毒性的临床、实验室和免疫学（血液和组织）生物标志物，将能更准确地识别和量化存在ICI治疗风险的患者。进而，这可能有助于更好地管理irAE。
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。
