多灶性肺腺癌的治疗
源站描述指出，细支气管肺泡癌（BAC）或原位腺癌（AIS）仍是认识不足的临床实体，多灶性磨玻璃影（GGO）背景下确诊或疑似浸润性腺癌的处理是肺癌诊疗中的常见困境，此类患者通常被归为 IV 期并接受姑息化疗，而现有病理或分子检测无法区分独立原发与转移肿瘤，这一区分对治疗影响重大
基本信息
资源简介
多灶性肺腺癌的治疗
该数据集来自 clinicaltrials.gov，聚焦多灶性肺腺癌的治疗，涉及 Lung Neoplasms、Carcinoma Non-small-cell Lung、Adenocarcinoma 等主题。源站描述指出，细支气管肺泡癌（BAC）或原位腺癌（AIS）仍是认识不足的临床实体，多灶性磨玻璃影（GGO）背景下确诊或疑似浸润性腺癌的处理是肺癌诊疗中的常见困境，此类患者通常被归为 IV 期并接受姑息化疗，而现有病理或分子检测无法区分独立原发与转移肿瘤，这一区分对治疗影响重大。该数据可用于相关临床预测研究（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：疾病：肺肿瘤，非小细胞肺癌，腺癌。肺细支气管肺泡癌（BAC）或原位腺癌（AIS）仍然是一种认识不足的临床实体。肺癌治疗中常见的临床困境是，在多灶性磨玻璃影（GGO）符合多灶性AIS的情况下，对已记录或疑似浸润性腺癌的管理。这些患者通常被归类为IV期疾病，并接受姑息性化疗。目前尚无现有的病理或分子检测能够区分独立原发肿瘤与转移性肿瘤，而这一区分对治疗具有重大影响。许多治疗医生怀疑，这一特定患者亚组的预后优于IV期疾病的常规标准，因为尽管存在多个病灶，这类患者往往淋巴结阴性且无远处转移。为了解决这一问题，我们将评估一种针对多灶性肺腺癌的多模式治疗方案，采用积极的局部治疗和靶向全身治疗，并结合肿瘤基因组测序信息进行个体化治疗规划。研究结果将对推进多灶性AIS背景下肺腺癌的生物学理解和治疗方法产生重大影响。
【主题与分类】
主题标签：Lung Neoplasms、Carcinoma Non-small-cell Lung、Adenocarcinoma。本站分类：肿瘤/肺癌。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT01946100
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/NCT01946100
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：肺肿瘤，非小细胞肺癌，腺癌。肺细支气管肺泡癌（BAC）或原位腺癌（AIS）仍是一种认识不足的临床实体。肺癌诊疗中常见的临床困境是，在多灶性磨玻璃影（GGO）符合多灶性AIS的情况下，对已记录或疑似浸润性腺癌的管理。这些患者通常被归类为IV期疾病，并接受姑息性化疗。目前尚无现有的病理学或分子检测能够区分独立原发肿瘤与转移性肿瘤，而这一区分对治疗具有重大影响。许多治疗医生怀疑，这一特定患者亚组的预后优于IV期疾病的常规情况，因为尽管存在多个病灶，这类患者通常淋巴结阴性且无远处转移。
为了解决这一问题，我们将评估一种针对多灶性肺腺癌的多模式治疗方案，该方案结合了积极的局部治疗与针对性的全身治疗，并融入肿瘤基因组测序信息以制定个体化治疗计划。这一研究成果将对推进多灶性原位腺癌背景下肺腺癌的生物学理解及治疗策略产生重要影响。
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。
