新辅助 Ivonescimab(AK112)联合化疗治疗可切除食管鳞状细胞癌
该数据集来自 clinicaltrials.gov,主题为 Ivonescimab(AK112)联合化疗用于可切除食管鳞状细胞癌的新辅助治疗

基本信息
资源简介
新辅助 Ivonescimab(AK112)联合化疗治疗可切除食管鳞状细胞癌
该数据集来自 clinicaltrials.gov,主题为 Ivonescimab(AK112)联合化疗用于可切除食管鳞状细胞癌的新辅助治疗。源站描述指出,中国食管癌高发,每年新发病例和死亡人数约占全球一半;过去数十年手术、放疗、化疗等治疗不断改进,但食管鳞状细胞癌患者死亡率未显著下降。对于局部晚期食管鳞状细胞癌,直接手术效果不佳,单纯手术难以实现根治性切除,即使许多患者接受手术,最终仍可能肿瘤复发、生存率差。建议采用手术与放疗、化疗或免疫治疗相结合的策略,通过改善局部区域肿瘤控制来提高总生存(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、新辅助治疗。中国食管癌高发,每年新发病例和死亡人数约占全球50%。过去数十年,手术、放疗、化疗等治疗不断改进,然而食管鳞状细胞癌患者的死亡率并未显著下降。对于局部晚期食管鳞状细胞癌患者,直接手术效果不佳。单纯手术难以实现根治性切除,即使许多患者接受手术,最终也可能肿瘤复发、生存率差。建议采用手术与放疗、化疗或免疫治疗相结合的治疗策略,通过改善局部区域肿瘤控制来提高总生存。
【主题与分类】
主题标签:Esophageal Squamous Cell Carcinoma、Neoadjuvant Therapy。本站分类:肿瘤。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07244978
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/NCT07244978
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,新辅助治疗。中国食管癌高发,每年新发病例数和死亡人数约占全球的50%。过去几十年,手术、放疗、化疗等治疗手段不断改进,然而食管鳞状细胞癌患者的死亡率并未显著下降。对于局部晚期食管鳞状细胞癌患者,直接手术效果不佳。单纯依靠手术难以实现根治性切除,即使许多患者接受了手术,最终也可能出现肿瘤复发和生存率低的情况。建议采用手术与放疗、化疗或免疫治疗相结合的治疗策略,通过改善局部区域肿瘤控制和解决微转移,以提高总体生存率。
因此,探索有效的围手术期辅助或新辅助治疗模式,以降低术后复发风险并提高术后生存率,是食管鳞状细胞癌治疗中的关键焦点。近年来,PD-1/PD-L1免疫检查点抑制剂可能成为治疗食管癌的新方法。临床研究表明,抗PD-1/L1与抗VEGF抗体联合应用可增强食管鳞状细胞癌的抗肿瘤效果。Ivonescimab是一种靶向PD-1/VEGF的人源化双特异性单克隆抗体,可增强免疫系统的抗肿瘤反应并抑制VEGF的免疫抑制作用,从而增强肿瘤内T细胞浸润。在局部晚期食管癌患者中,ivonescimab联合化疗后序贯根治性手术的疗效尚不明确。因此,计划开展一项单臂、前瞻性、探索性研究,评估ivonescimab联合化疗在可切除食管鳞状细胞癌新辅助治疗中的应用,旨在提供
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。




