用于肉瘤及实体瘤转移研究的创新临床前离体模型开发

数据集获取

源站：https://clinicaltrials.gov/study/NCT07112989

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

疾病类型：骨与软组织肿瘤、实体瘤骨转移、肺转移。PREMOD是一项前瞻性、观察性、临床前研究，旨在开发并优化源自被诊断为肉瘤或实体瘤骨/肺转移患者的创新肿瘤模型。这些模型包括肿瘤外植体、原代培养、球状体、基于支架的3D培养、3D生物打印模型、藻酸盐胶囊以及绒毛尿囊膜（CAM）模型。研究目标 主要目标： - 开发并优化用于研究肉瘤和转移的创新临床前模型。次要目标： * 识别可作为合理用药潜在治疗靶点的标志物； * 识别能够监测（并预测）疾病进展的循环生物标志物； * 识别预测治疗毒性的循环生物标志物； * 识别用于治疗肉瘤和转移的创新治疗策略；研究任务与范围 该研究包括四项主要研究任务：任务1：优化创新的离体临床前模型。

从患者来源组织开发不同的临床前肿瘤模型。每个模型均经过优化，以研究肿瘤生物学的特定特征及其与微环境的相互作用。模型开发的成功与否通过既定标准进行评估，如细胞活力和模型可重复性。任务2：研究肉瘤和转移的自然病史。所开发的模型用于研究肿瘤细胞行为，包括生长、侵袭性、与微环境的相互作用以及分子谱分析。任务3：药物筛选。患者来源模型用于评估传统或创新药物作为单药或联合用药的疗效。也可测试局部区域治疗（如电化学疗法、冷冻疗法、热消融）。任务4：识别预后标志物，或治疗反应或毒性的预测因子。对生物样本进行分析以识别预后

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。