局部晚期可切除食管鳞癌新辅助抗PD-1联合化疗研究
该数据集来自clinicaltrials.gov,聚焦局部晚期可切除食管鳞状细胞癌(ESCC)患者接受新辅助抗PD-1联合化疗的单中心队列研究

基本信息
资源简介
局部晚期可切除食管鳞癌新辅助抗PD-1联合化疗研究
该数据集来自clinicaltrials.gov,聚焦局部晚期可切除食管鳞状细胞癌(ESCC)患者接受新辅助抗PD-1联合化疗的单中心队列研究。数据覆盖cT3-4aN0-1M0患者,旨在评估治疗疗效与生存获益,并探索基因组指标在预测治疗反应和预后中的价值。可用于分析新辅助化疗免疫治疗的临床结局,以及构建治疗反应和预后预测模型(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:食管鳞状细胞癌、新辅助化疗免疫治疗。多项临床试验研究了新辅助抗PD-1联合化疗在食管鳞状细胞癌(ESCC)中的安全性和可行性。然而,新辅助化疗免疫治疗的疗效尚未确定,现有生物标志物未能提供治疗反应的稳定预测。本研究旨在进一步评估局部晚期可切除食管鳞状细胞癌(ESCC)中新辅助抗PD-1联合化疗的临床结局并识别生物学预测因子。在这项单中心队列研究中,我们的目标包括:1. 评估局部晚期可切除ESCC(cT3-4aN0-1M0)患者的治疗疗效和生存获益;2. 评估基因组指标在预测治疗反应和预后中的价值;3. 评估……的价值
【主题与分类】
主题标签:Esophageal Squamous Cell Carcinoma、Neoadjuvant Chemoimmunotherapy。本站分类:肿瘤。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT05740995
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/NCT05740995
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
条件:食管鳞状细胞癌,新辅助化疗免疫治疗。多项临床试验探讨了新辅助抗PD-1联合化疗在食管鳞状细胞癌(ESCC)中的安全性和可行性。然而,新辅助化疗免疫治疗的疗效尚未确定,现有生物标志物未能提供治疗反应的稳定预测。本研究旨在进一步评估局部晚期可切除食管鳞状细胞癌(ESCC)新辅助抗PD-1联合化疗的临床结局,并识别其生物学预测因素。在这项单中心队列研究中,我们的目标包括:1. 评估局部晚期可切除ESCC患者(cT3-4aN0-1M0)的治疗疗效和生存获益;2. 评估基因组指标在预测治疗反应和预后中的价值;3. 评估转录组指标在预测治疗反应和预后中的价值;4. 评估微生物和代谢物指标在预测治疗反应和预后中的价值。
对治疗前后新辅助化疗免疫治疗应答者和无应答者的样本进行全外显子组测序、RNA测序、16S rRNA测序以及液相色谱-串联质谱(LC-MS-MS)分析,以探索耐药机制并识别预测性和预后生物标志物,为临床决策提供指导。
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。




