Fanconi贫血中鳞状细胞癌自然史研究
该数据集来自clinicaltrials.gov,聚焦Fanconi贫血(FA)患者中鳞状细胞癌(SCC)的自然史研究。研究通过问卷、临床与科研评估、实验室检测、病历回顾及癌症监测,对SCC极高风险的FA患者进行前瞻性队列筛查,旨在获取口腔潜在恶性病变(OPML)发展的新信息,并量化OPML向癌症进

基本信息
资源简介
Fanconi贫血中鳞状细胞癌自然史研究
该数据集来自clinicaltrials.gov,聚焦Fanconi贫血(FA)患者中鳞状细胞癌(SCC)的自然史研究。研究通过问卷、临床与科研评估、实验室检测、病历回顾及癌症监测,对SCC极高风险的FA患者进行前瞻性队列筛查,旨在获取口腔潜在恶性病变(OPML)发展的新信息,并量化OPML向癌症进展的风险。数据可用于研究FA相关SCC的早期筛查、风险预测及纵向随访,支持肿瘤学与罕见遗传病领域的临床研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:Fanconi贫血,遗传性骨髓衰竭综合征。研究描述:这是一项自然史研究,涉及问卷、临床与科研评估、临床与科研实验室检测、病历回顾以及癌症监测。将对鳞状细胞癌(SCC)极高风险的Fanconi贫血(FA)个体进行前瞻性队列筛查,并提供关于口腔潜在恶性病变(OPML)发展的新信息,同时稳健量化FA中OPML进展为癌症的风险。目标:主要目标:1. 在NIH临床中心建立中心项目及由专家临床医生和科学家组成的团队,通过详细的临床评估和生物样本采集,对SCC高风险的青少年和年轻成人(AYA)FA患者开展全面的纵向癌症筛查研究。2. 待续
【主题与分类】
主题标签:Fanconi Anemia、Inherited Bone Marrow Failure Syndrome。本站分类:肿瘤。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT05687149
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/NCT05687149
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:范可尼贫血、遗传性骨髓衰竭综合征。研究描述:这是一项自然史研究,涉及问卷、临床与研究评估、临床与研究实验室检测、病历审查以及癌症监测。将对一组鳞状细胞癌(SCC)风险极高的范可尼贫血(FA)患者前瞻性队列进行筛查,并提供关于口腔潜在恶性病变(OPML)发展的新信息,同时有力量化FA中OPML进展为癌症的风险。目标:主要目标:1. 在NIH临床中心建立中心项目及由专家临床医生和科学家组成的团队,通过详细的临床评估和生物样本采集,对SCC高风险的青少年和年轻成人(AYA)FA患者开展全面的纵向癌症筛查研究。2. 利用刷检活检进行细胞病理学诊断及DNA非整倍体检测,描述FA青少年和年轻成人中OPML的临床和病理自然史,并将这些发现与口腔上皮异型增生(OED)和SCC的组织活检及基因组分析相关联。3.
前瞻性筛查FA患者中食管癌和肛门生殖器鳞状细胞癌及血液系统恶性肿瘤的早期发展指标。次要目标:1. 识别FA患者中肿瘤发生和免疫逃逸的遗传、表观遗传和免疫学机制。2. 促进将伴有高度异型增生或鳞状细胞癌的FA患者纳入院内和院外精准干预试验。终点:主要终点:1. 描述FA中OPMLs的自然史、进展率、消退率及新发病灶的发生情况 2. 确定刷检活检在识别FA中口腔异型增生和鳞状细胞癌方面的效用 3. 识别FA中食管癌和肛门生殖器癌的潜在癌前状态 4. 制定FA中食管癌和肛门生殖器癌的筛查指南。次要终点:1. 识别口腔鳞状细胞癌的预测性生物标志物
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。




