MAGE-A4ᶜ¹º³²T 多肿瘤治疗研究
该数据集来自 clinicaltrials.gov，围绕 MAGE-A4ᶜ¹º³²T 细胞疗法在多类肿瘤中的安全性与耐受性研究，覆盖尿路上皮膀胱癌、黑色素瘤、头颈癌、卵巢癌、非小细胞肺癌、食管癌、胃癌、滑膜肉瘤等
基本信息
资源简介
MAGE-A4ᶜ¹º³²T 多肿瘤治疗研究
该数据集来自 clinicaltrials.gov，围绕 MAGE-A4ᶜ¹º³²T 细胞疗法在多类肿瘤中的安全性与耐受性研究，覆盖尿路上皮膀胱癌、黑色素瘤、头颈癌、卵巢癌、非小细胞肺癌、食管癌、胃癌、滑膜肉瘤等。研究对象需具备 HLA-A2 组织标志物且肿瘤表达 MAGE-A4 蛋白。研究通过改造受试者 T 细胞，使其表达可识别并攻击肿瘤的 T 细胞受体蛋白，并包含一个子研究，评估 MAGE-A4c1032T 细胞疗法联合低剂量放疗在最多 10 名受试者中的安全性与耐受性。可用于肿瘤免疫治疗相关分析（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：条件：尿路上皮膀胱癌、黑色素瘤、头颈癌、卵巢癌、非小细胞肺癌、食管癌、胃癌、滑膜肉瘤。本研究将调查 MAGE-A4ᶜ¹º³²T 细胞疗法在具有适当 HLA-A2 组织标志物且其尿路上皮膀胱、黑色素瘤、头颈、卵巢、非小细胞肺、食管、胃、滑膜肉瘤或黏液样/圆细胞脂肪肉瘤（MRCLS）肿瘤表达 MAGE-A4 蛋白的受试者中的安全性和耐受性。本研究将取受试者的 T 细胞，并赋予其一种能够识别和攻击肿瘤的 T 细胞受体蛋白。本研究有一个子研究部分，将调查 MAGE-A4c1032T 细胞疗法联合低剂量放疗在最多 10 名受试者中的安全性和耐受性。
【主题与分类】
主题标签：Urinary Bladder Cancer、Melanoma、Head and Neck Cancer、Ovarian Cancer、Non-Small Cell Lung Cancer、Esophageal Cancer、Gastric Cancer、Synovial Sarcoma、Myxoid Round Cell Liposarcoma、Gastroesophageal Junction。本站分类：肿瘤/肺癌。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT03132922
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/NCT03132922
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：膀胱癌、黑色素瘤、头颈癌、卵巢癌、非小细胞肺癌、食管癌、胃癌、滑膜肉瘤。本研究将探讨MAGE-A4ᶜ¹º³²T细胞疗法在具有适当HLA-A2组织标志物且其膀胱、黑色素瘤、头颈、卵巢、非小细胞肺癌、食管、胃、滑膜肉瘤或黏液样/圆细胞脂肪肉瘤（MRCLS）肿瘤表达MAGE-A4蛋白的受试者中的安全性和耐受性。本研究将提取受试者的T细胞，并为其赋予一种能够识别和攻击肿瘤的T细胞受体蛋白。本研究设有一个子研究部分，将探讨MAGE-A4c1032T细胞疗法联合低剂量放疗在最多10名受试者中的安全性和耐受性。
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。
