基于抗癌治疗期间宿主反应评估预测肿瘤患者治疗反应性
该数据集来自 clinicaltrials.gov，聚焦肿瘤尤其是肺癌与恶性黑色素瘤患者。研究旨在开发算法预测患者治疗结局，为医生在IV期NSCLC和恶性黑色素瘤患者接受抗癌治疗时提供决策工具，并识别可能带来更优治疗选择的代谢通路
基本信息
资源简介
基于抗癌治疗期间宿主反应评估预测肿瘤患者治疗反应性
该数据集来自 clinicaltrials.gov，聚焦肿瘤尤其是肺癌与恶性黑色素瘤患者。研究旨在开发算法预测患者治疗结局，为医生在IV期NSCLC和恶性黑色素瘤患者接受抗癌治疗时提供决策工具，并识别可能带来更优治疗选择的代谢通路。患者按机构标准治疗接受治疗，提供两份血样，临床数据从病历中收集。数据可用于构建治疗反应预测模型及探索代谢通路与疗效的关系（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：条件：IV期非小细胞肺癌、IV期恶性黑色素瘤、IV期小细胞肺癌、III期不可切除非小细胞肺癌、IIIb-d期恶性黑色素瘤。本研究的目标是开发一种预测患者治疗结果的算法。该算法将作为医生制定治疗决策的工具，特别是针对接受抗癌治疗的IV期NSCLC和恶性黑色素瘤患者。研究者还旨在识别可能带来更好治疗选择的代谢通路。患者将按照本机构的标准治疗方案接受治疗。患者将提供两份血液样本，并从其病历中收集临床数据。在试验的第一部分，从患者血液样本和病历中获得的数据将用于开发预测算法；在试验的第二部分，将通过比较患者的客观缓解率与算法的理论缓解预测来验证该算法。
【主题与分类】
主题标签：Stage IV Non-small Cell Lung Cancer、Stage IV Malignant Melanoma、Stage IV Small Cell Lung Cancer、Stage IIIb-d Malignant Melanoma。本站分类：肿瘤/肺癌。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT04056247
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/NCT04056247
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：IV期非小细胞肺癌、IV期恶性黑色素瘤、IV期小细胞肺癌、III期不可切除非小细胞肺癌、IIIb-d期恶性黑色素瘤。本研究的目标是开发一种预测患者治疗结果的算法。该算法将作为医生制定治疗决策的工具，特别是针对接受抗癌治疗的IV期NSCLC和恶性黑色素瘤患者。研究者还旨在识别可能带来更好治疗选择的代谢通路。患者将按照本机构的标准治疗方案接受治疗。患者将提供两份血液样本，并从其病历中收集临床数据。在试验的第一部分，从患者血液样本和病历中获得的数据将用于开发预测算法；在试验的第二部分，将通过比较患者的客观缓解率与算法的理论缓解预测来验证该算法。
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。
