同步寡转移NSCLC的免疫、化疗、放疗与手术治疗
该数据集来自clinicaltrials.gov,聚焦同步寡转移性非小细胞肺癌(NSCLC),涉及免疫治疗、化疗、放疗与手术等治疗方式

基本信息
资源简介
同步寡转移NSCLC的免疫、化疗、放疗与手术治疗
该数据集来自clinicaltrials.gov,聚焦同步寡转移性非小细胞肺癌(NSCLC),涉及免疫治疗、化疗、放疗与手术等治疗方式。源站描述指出,NSCLC仍是全球癌症相关死亡的主要原因,即使校正年龄后仍占近20%的癌症死亡;近年来对该疾病生物学认识及有效疗法开发取得巨大进展,传统治疗包括手术、铂类化疗或放疗的单用或联合,取决于肿瘤分期、预期副作用耐受性和预后;目前正探索多种策略以扩大可从免疫治疗获益的患者人群并进一步改善NSCLC患者结局,CHESS临床试验针对已进展至少量转移灶的NSCLC患者(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:非小细胞肺癌,IV期,寡转移。非小细胞肺癌(NSCLC)仍然是全球癌症相关死亡的主要原因。即使对年龄进行调整,NSCLC仍导致近20%的癌症相关死亡。近年来,对该疾病、其潜在生物学以及有效疗法开发的认识取得了巨大进展。传统上,NSCLC根据肿瘤分期、预期副作用的耐受性和预后,采用手术、以铂类为基础的化疗或放疗单独或联合治疗。目前正在探索多种策略,以增加可能从免疫治疗中获益的患者人群,并进一步改善NSCLC患者的结局。CHESS临床试验针对的是已进展至少量其他部位转移的NSCLC患者。
【主题与分类】
主题标签:Non-small Cell Lung Cancer、Stage IV、Oligometastasis。本站分类:肿瘤/肺癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT03965468
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/NCT03965468
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
疾病状态:非小细胞肺癌,IV期,寡转移。非小细胞肺癌(NSCLC)仍然是全球癌症相关死亡的主要原因。即使对年龄进行调整,NSCLC仍占癌症相关死亡的近20%。近年来,对该疾病及其潜在生物学的理解以及有效疗法的开发取得了巨大进展。传统上,NSCLC的治疗方法包括手术、以铂类为基础的化疗或放疗,单独或联合使用,具体取决于肿瘤分期、预期副作用的耐受性和预后。目前正在探索多种策略,以扩大可能从免疫治疗中获益的患者群体,并进一步改善NSCLC患者的预后。CHESS临床试验针对的是已转移至身体少数其他部位(寡转移)且既往未接受过治疗的NSCLC患者,或在单个转移灶(中枢神经系统或肾上腺)手术切除后的患者。该试验旨在降低全身进展的风险,从而改善无进展生存期。
参与者将接受诱导治疗,包括免疫治疗联合铂类双药化疗及立体定向体部放疗(SBRT),后者将针对所有寡转移部位进行。早期与免疫治疗同时启动的SBRT旨在增强推测的免疫效应,并同时有效控制宏观转移灶。临床前数据显示,放疗具有强烈的免疫增强作用,尤其是当以高单次剂量、短时间照射小体积时。因此,立体定向体部放疗(SBRT)目前正作为系统性免疫治疗的伙伴被深入研究。早期的临床研究为放疗与免疫治疗联合应用的协同效应提供了原理验证数据。化疗和高剂量放疗是众所周知的触发因素。
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。
需要用于商业化训练或医疗器械注册(NMPA/FDA)?
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连,提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。
![[225Ac]-FPI-2068在晚期实体瘤成人患者中的1期剂量递增研究](/medical-api/medicalDataset/datasetCover/42245.jpg)



