使用Sleeping Beauty系统表达TCR的自体T细胞治疗受试者长期随访研究
该数据集来自clinicaltrials.gov，为一项前瞻性观察性、非干预性长期随访研究，针对接受过使用Sleeping Beauty系统工程化表达针对癌症特异性突变（新抗原特异性TCR-T细胞）的T细胞受体（TCRs）的自体T细胞的受试者，随访其安全性与有效性
基本信息
资源简介
使用Sleeping Beauty系统表达TCR的自体T细胞治疗受试者长期随访研究
该数据集来自clinicaltrials.gov，为一项前瞻性观察性、非干预性长期随访研究，针对接受过使用Sleeping Beauty系统工程化表达针对癌症特异性突变（新抗原特异性TCR-T细胞）的T细胞受体（TCRs）的自体T细胞的受试者，随访其安全性与有效性。研究在初始TCR-T细胞药品给药后对受试者随访长达15年，以评估迟发性不良事件（AEs）。报告7例死亡后随访结束；1名参与者符合细胞持久性不足的研究标准。截至2025年7月6日报告截止日期，无参与者仍在随访中（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：条件：妇科癌症、结直肠癌、胰腺癌、非小细胞肺癌、胆管癌、卵巢癌、卵巢肿瘤、鳞状细胞肺癌。这是一项前瞻性观察性、非干预性研究，用于对已接受使用Sleeping Beauty系统工程化表达针对癌症特异性突变（新抗原特异性TCR-T细胞）的T细胞受体（TCRs）的自体T细胞的受试者进行安全性和有效性的长期随访。在本研究中，受试者将在初始TCR-T细胞药品给药后接受长达15年的随访，以评估迟发性不良事件（AEs）。报告7例死亡后随访结束；1名参与者符合细胞持久性不足的研究标准。截至2025年7月6日报告截止日期，无参与者仍在随访中。
【主题与分类】
主题标签：Gynecologic Cancer、Colorectal Cancer、Pancreatic Cancer、Non-small Cell Lung Cancer、Cholangiocarcinoma、Ovarian Cancer、Ovary Neoplasm、Squamous Cell Lung Cancer、Adenocarcinoma of Lung、Adenosquamous Cell Lung Cancer。本站分类：肿瘤/肺癌。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT05292859
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/NCT05292859
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：妇科癌症、结直肠癌、胰腺癌、非小细胞肺癌、胆管癌、卵巢癌、卵巢肿瘤、鳞状细胞肺癌。这是一项前瞻性观察性、非干预性研究，旨在对接受过使用Sleeping Beauty系统改造、表达针对癌症特异性突变（新抗原特异性TCR-T细胞）反应性T细胞受体（TCR）的自体T细胞的受试者进行安全性和有效性的长期随访。在本研究中，受试者将在首次接受TCR-T细胞药品给药后接受长达15年的随访，以评估迟发性不良事件（AE）。在报告7例死亡后随访结束；1名参与者符合细胞持续性不足的研究标准。截至2025年7月6日报告截止日期，没有参与者仍在随访中。
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。
