转移性癌症患者免疫治疗反应的器官特异性差异
该数据集来自 clinicaltrials.gov,聚焦实体瘤转移患者接受免疫检查点抑制剂(ICB)治疗后的器官特异性反应差异

基本信息
资源简介
转移性癌症患者免疫治疗反应的器官特异性差异
该数据集来自 clinicaltrials.gov,聚焦实体瘤转移患者接受免疫检查点抑制剂(ICB)治疗后的器官特异性反应差异。研究覆盖肝、脑、肺、骨等常见转移部位,这些部位具有独特的免疫微环境,可能影响治疗结局。数据基于真实世界临床实践,通过回顾性查阅约1000名在中山大学孙逸仙纪念医院等机构接受ICB治疗的成人实体瘤患者病历获得。可用于分析不同转移器官对免疫治疗应答的差异,探索肿瘤免疫微环境与疗效的关联,为临床预测和个体化治疗提供依据(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:实体瘤、转移至肝的癌症、转移至骨的癌症、转移至肺的癌症、脑转移、转移性癌症、免疫检查点抑制剂、肿瘤免疫微环境。本研究考察不同转移器官中的肿瘤在真实世界临床实践中对免疫检查点抑制剂(ICB)治疗的反应。ICB治疗帮助免疫系统识别和攻击癌细胞,但治疗反应可能因癌症扩散部位而异。肝、脑、肺和骨等常见转移部位各自具有独特的免疫环境,可能影响治疗结果。研究者将查阅约1,000名在中山大学孙逸仙纪念医院、中山大学附属第三医院和中山大学附属第一医院接受ICB治疗的成人实体瘤患者的病历。
【主题与分类】
主题标签:Solid Tumors、Metastatic Cancer to Liver、Metastatic Cancer to the Bone、Metastatic Cancer to the Lung、Brain Metastasis、Metastatic Cancers、Immune Checkpoint Inhibitors、Tumor Immune Microenvironment。本站分类:肿瘤。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07631611
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/NCT07631611
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:实体瘤、癌症肝转移、癌症骨转移、癌症肺转移、脑转移、转移性癌症、免疫检查点抑制剂、肿瘤免疫微环境。本研究探讨在真实世界临床实践中,不同转移器官中的肿瘤对免疫检查点抑制剂(ICB)治疗的反应。ICB治疗有助于免疫系统识别和攻击癌细胞,但治疗反应可能因癌症扩散部位的不同而有所差异。肝脏、脑、肺和骨骼等常见转移部位各具有独特的免疫环境,可能影响治疗结果。研究者将回顾自2016年以来在中山大学孙逸仙纪念医院、中山大学附属第三医院和重庆医科大学附属第一医院接受ICB治疗的约1,000名实体瘤成年患者的病历。该研究将比较不同转移部位患者的治疗反应、疾病进展时间和总生存期。
其他结局指标包括疾病控制、免疫治疗相关副作用,以及原发肿瘤与转移肿瘤反应的一致性。该研究还将分析可获得的分子和免疫特征数据集,以探索可能解释ICB反应器官特异性差异的生物学机制。目标是增进对转移部位如何影响免疫治疗疗效的理解,并支持未来的治疗决策。
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。
需要用于商业化训练或医疗器械注册(NMPA/FDA)?
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连,提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。




