免疫检查点抑制剂诱导性皮炎患者炎症与非炎症皮肤的微生物多样性
该数据集来自 clinicaltrials.gov,聚焦免疫检查点抑制剂(ICI)诱导性皮炎患者,比较炎症与非炎症皮肤的微生物多样性(以 Shannon Index 估计),并探索特定细菌物种与菌株的浓度差异、皮肤免疫细胞表型、外周血免疫细胞表型,以及皮肤微生物多样性与免疫治疗应答(RECIST 标

基本信息
资源简介
免疫检查点抑制剂诱导性皮炎患者炎症与非炎症皮肤的微生物多样性
该数据集来自 clinicaltrials.gov,聚焦免疫检查点抑制剂(ICI)诱导性皮炎患者,比较炎症与非炎症皮肤的微生物多样性(以 Shannon Index 估计),并探索特定细菌物种与菌株的浓度差异、皮肤免疫细胞表型、外周血免疫细胞表型,以及皮肤微生物多样性与免疫治疗应答(RECIST 标准)之间的关联。数据可用于研究 ICI 相关皮肤毒性的微生物与免疫机制,并支持免疫治疗应答的预测分析(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:泌尿生殖系统肿瘤。主要目的:I. 确定患有免疫检查点抑制剂(ICI)诱导性皮炎的患者中,炎症与非炎症皮肤的皮肤微生物多样性(以 Shannon Index 估计)是否存在显著差异。次要目的:I. 研究在 ICI 诱导性皮炎患者的炎症皮肤与非炎症皮肤中,某些细菌物种和菌株是否以更高浓度存在。II. 比较患有 ICI 诱导性皮炎的患者炎症与非炎症皮肤的免疫细胞表型。III. 表征患有 ICI 诱导性皮炎患者外周血中的免疫细胞表型。IV. 阐明皮肤微生物多样性与免疫治疗应答之间的任何关联,免疫治疗应答以实体瘤疗效评价标准(RECIST)标准为特征(例如,durabl
【主题与分类】
主题标签:Genito-Urinary Neoplasm。本站分类:肿瘤/肺癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT04812197
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/NCT04812197
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
条件:泌尿生殖系统肿瘤。主要目标:I. 确定在免疫检查点抑制剂(ICI)诱导性皮炎患者中,炎症皮肤与非炎症皮肤的皮肤微生物多样性(通过Shannon指数评估)是否存在显著差异。次要目标:I. 研究在ICI诱导性皮炎患者的炎症皮肤与非炎症皮肤中,某些细菌种类和菌株是否在炎症皮肤中浓度更高。II. 比较ICI诱导性皮炎患者炎症皮肤与非炎症皮肤的免疫细胞表型。III. 表征ICI诱导性皮炎患者外周血中的免疫细胞表型。IV. 阐明皮肤微生物多样性与免疫治疗反应之间的任何关联,以实体瘤疗效评价标准(RECIST)标准为特征(例如,持久完全缓解[CR]与部分缓解[PR]与疾病稳定[SD]与原发性疾病进展)。V. 确定某些细菌种类的更高浓度是否与免疫治疗反应相关,以RECIST和免疫反应标准为特征。VI.
评估非炎症皮肤菌群与癌症亚型(如肾细胞癌、膀胱癌、肺癌)之间的关联。VII. 检查皮肤微生物组是否与特定人口学特征(如年龄和性别)相关。大纲:患者接受炎症和非炎症皮肤的钻孔活检及血液样本采集。
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。




