CCANED-CIPHER研究：基于AI的血小板与免疫细胞转录组谱的早期癌症检测与治疗反应监测

数据集获取

源站：https://clinicaltrials.gov/study/NCT06717295

标准获取流程：

1. 访问源站链接，注册/登录账号；
2. 进入数据集详情页，按页面指引申请权限或直接下载；
3. 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。

数据说明

疾病：乳腺癌、肺癌（NSCLC）、胰腺癌、成人、前列腺癌、卵巢癌、结直肠癌、胶质母细胞瘤（GBM）、肝癌。CCANED-CIPHER研究旨在通过开发和评估一种基于AI的早期癌症检测工具，彻底改变癌症诊断和治疗监测，该工具可从血液样本中的血小板和免疫细胞中分析RNA生物标志物。这种非侵入性方法利用液体活检方法增强早期癌症检测，并提供对治疗反应的见解。第一阶段（常见癌症早期检测[CCANED]）：早期癌症检测目标：利用AI驱动的转录组分析，识别能够区分常见癌症患者与健康对照者的特定血小板衍生RNA生物标志物。方法：* 招募3，500名确诊患有各种常见癌症的患者和1，500名按年龄和性别匹配的无癌对照者。* 在基线时从每位参与者获取单份血液样本。实验室分析：* 从血液样本中分离血小板。* RNA测序和转录组分析，以识别RNA表达模式。

数据分析：* 使用机器学习算法分析RNA数据，识别指示癌症存在的生物标志物。* 评估诊断工具的敏感性和特异性，并评价其区分不同癌症类型的能力。预期成果：* 识别用于早期癌症检测的可靠RNA生物标志物。* 验证基于AI的诊断工具在临床环境中的准确性和可行性。第2阶段（血液和细胞外RNA的癌症免疫分析[CIPHER]）：治疗反应监测 目标：评估来自免疫细胞和血小板的RNA生物标志物如何与治疗反应相关，从而为治疗疗效和潜在复发提供见解。方法学：* 入组1，000名诊断为HCC或NSCLC、分期为I至IV期的癌症患者。* 基线：在治疗开始前采集血液样本。* 随访：在治疗开始后6周和6个月时采集额外样本。实验室分析：* 免疫细胞分离及

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。