IP rmhTNF-NC联合Tislelizumab及姑息放疗治疗标准治疗失败后消化道肿瘤恶性腹水
该数据集来自clinicaltrials.gov,主题为消化道肿瘤标准治疗失败后恶性腹水的临床研究。研究采用前瞻性双队列Simon两阶段设计,纳入经细胞学或组织学确诊、既往标准治疗失败且因症状性疾病需临床干预的消化道恶性腹水患者

基本信息
资源简介
IP rmhTNF-NC联合Tislelizumab及姑息放疗治疗标准治疗失败后消化道肿瘤恶性腹水
该数据集来自clinicaltrials.gov,主题为消化道肿瘤标准治疗失败后恶性腹水的临床研究。研究采用前瞻性双队列Simon两阶段设计,纳入经细胞学或组织学确诊、既往标准治疗失败且因症状性疾病需临床干预的消化道恶性腹水患者。队列A为大体积腹部转移灶患者,接受大体积腹部病灶放疗、全腹腔低剂量放疗及腹腔灌注(rmhTNF-NC+tislelizumab);队列B为无可测量腹部转移灶患者,接受全腹腔……(源站描述未完整)。数据可用于肿瘤学与恶性腹水治疗相关研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):Conditions: Digestive System Neoplasms。本研究是一项前瞻性、双队列临床试验,遵循Simon两阶段设计。符合纳入标准的受试者被入组。所有参与者被分配至以下队列,包括经细胞学或组织学确诊的消化道恶性腹水患者,这些患者既往标准治疗失败,并因症状性疾病需要临床干预。在签署知情同意书并完成筛选程序后,患者接受以下治疗:队列A(有大体积腹部转移病灶的患者):大体积腹部病灶放疗+全腹腔低剂量放疗+腹腔灌注(rmhTNF-NC+tislelizumab);队列B(无可测量腹部转移病灶的患者):全
【主题与分类】
主题标签:Digestive System Neoplasms。本站分类:肿瘤。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07196540
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/NCT07196540
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
适应症:消化系统肿瘤。本研究是一项前瞻性、双队列临床试验,采用Simon两阶段设计。符合入选标准的受试者被纳入研究。所有参与者被分配至以下队列,这些队列由经细胞学或组织学确诊的胃肠道恶性腹水患者组成,这些患者既往标准治疗失败,且因症状性疾病需要临床干预。在签署知情同意书并完成筛选程序后,患者接受以下治疗:队列A(大体积腹部转移病灶患者):大体积腹部病灶放疗+全腹腔低剂量放疗+腹腔灌注(rmhTNF-NC+替雷利珠单抗)队列B(无可测量腹部转移病灶的患者):全腹腔低剂量放疗+腹腔灌注(rmhTNF-NC+替雷利珠单抗)所有患者仅接受一个治疗周期。治疗完成后4周,根据WHO标准评估客观疗效。安全性采用NCI-CTCAE第5.0版进行评估。
后续治疗不受研究方案限制,临床医生可根据患者具体情况调整治疗计划。
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。




