LITT联合Pembrolizumab治疗复发性脑转移
覆盖经FDA批准可用于免疫检查点抑制剂治疗的原发癌种成人患者，包括黑色素瘤、非小细胞肺癌、肾细胞癌、小细胞肺癌、头颈部鳞状细胞癌、经典霍奇金淋巴瘤、原发纵隔大B细胞淋巴瘤及尿路上皮癌，且立体定向放射外科治疗失败的复发性脑转移
基本信息
资源简介
LITT联合Pembrolizumab治疗复发性脑转移
该数据集来自clinicaltrials.gov，聚焦LITT联合Pembrolizumab治疗复发性脑转移。覆盖经FDA批准可用于免疫检查点抑制剂治疗的原发癌种成人患者，包括黑色素瘤、非小细胞肺癌、肾细胞癌、小细胞肺癌、头颈部鳞状细胞癌、经典霍奇金淋巴瘤、原发纵隔大B细胞淋巴瘤及尿路上皮癌，且立体定向放射外科治疗失败的复发性脑转移。患者接受活检和LITT治疗，术后两周内每三周接受Pembrolizumab输注，直至脑转移按RANO for Brain Mets复发或满两年。采集血样用于免疫监测，肿瘤组织用于免疫相关分析。可用于脑转移免疫治疗疗效预测研究（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：条件：黑色素瘤、非小细胞肺癌（NSCLC）、肾细胞癌（RCC）、小细胞肺癌、头颈部鳞状细胞癌、经典霍奇金淋巴瘤、原发纵隔大B细胞淋巴瘤、尿路上皮癌。经FDA批准可用于免疫检查点抑制剂治疗的原发癌成人患者，若存在立体定向放射外科治疗失败的复发性脑转移，将接受筛选。他们将签署知情同意并完成筛选程序。每位患者将安排接受活检和LITT治疗。术后两周内，患者将开始每三周接受一次pembrolizumab。Pembrolizumab输注将持续至脑转移按RANO for Brain Mets复发或最多两年，以先发生者为准。将采集血样用于免疫监测。将采集肿瘤组织用于免疫
【主题与分类】
主题标签：Melanoma、Non-small Cell Lung Carcinoma (NSCLC)、Renal Cell Carcinoma (RCC)、Small-cell Lung Cancer、Head and Neck Squamous Cell Cancer、Classical Hodgkin Lymphoma、Urothelial Carcinoma、Microsatellite Instability-High Cancer、Gastric Cancer、Esophageal Cancer。本站分类：肿瘤/肺癌。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT04187872
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/NCT04187872
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：黑色素瘤、非小细胞肺癌（NSCLC）、肾细胞癌（RCC）、小细胞肺癌、头颈部鳞状细胞癌、经典霍奇金淋巴瘤、原发性纵隔大B细胞淋巴瘤、尿路上皮癌。将筛选患有经FDA批准可用免疫检查点抑制剂治疗的原始癌症，且立体定向放射外科治疗失败的复发性脑转移的成年患者。他们将签署知情同意书并完成筛选程序。每位患者将安排接受活检和LITT治疗。手术后两周内，患者将开始每三周接受一次帕博利珠单抗治疗。帕博利珠单抗输注将持续进行，直至根据RANO脑转移标准判定脑转移复发或满两年，以先发生者为准。将采集血液样本进行免疫监测。将收集肿瘤组织用于免疫和基因组研究。预计将招募约21名患者，以累积15名可评估受试者。患者将被随访一年以获取生存数据，或直至死亡，以先发生者为准。
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。
