Pembrolizumab联合Cetuximab治疗复发/转移性头颈部鳞状细胞癌
该数据集来自clinicaltrials.gov，聚焦Pembrolizumab联合Cetuximab治疗复发/转移性头颈部鳞状细胞癌的临床研究
基本信息
资源简介
Pembrolizumab联合Cetuximab治疗复发/转移性头颈部鳞状细胞癌
该数据集来自clinicaltrials.gov，聚焦Pembrolizumab联合Cetuximab治疗复发/转移性头颈部鳞状细胞癌的临床研究。覆盖HNSCC、唇SCC、口腔癌、口咽癌、喉癌、下咽癌、鼻咽癌、鼻窦癌及皮肤鳞状细胞癌等。研究设四个队列，主要目标为确定联合治疗的临床疗效（以客观缓解率定义），次要目标包括12个月无进展生存概率、总生存期、缓解持续时间及安全性评估。可用于疗效预测、生存分析及安全性建模（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：条件：HNSCC、唇SCC、口腔癌、口咽癌、喉癌、下咽癌、鼻咽癌、鼻窦癌。主要目标：确定Pembrolizumab联合Cetuximab治疗复发/转移性HNSCC患者的临床疗效。1. 队列1（未接受过PD-1/PD-L1抑制剂、未接受过Cetuximab）：临床疗效定义为客观缓解率。2. 队列2（PD-1/PD-L1抑制剂难治、未接受过Cetuximab）：临床疗效定义为客观缓解率。3. 队列3（PD-1/PD-L1抑制剂难治、Cetuximab难治）：临床疗效定义为客观缓解率。4. 队列4（皮肤HNSCC）：临床疗效定义为客观缓解率。次要目标：1. 确定12个月无进展生存概率。2. 确定总生存期。3. 确定缓解持续时间。4. 评估Pembrolizumab联合Cetuximab的安全性和耐受性。
【主题与分类】
主题标签：HNSCC、Lip SCC、Oral Cavity Cancer、Oropharynx Cancer、Larynx Cancer、Hypopharynx Cancer、Nasopharynx Cancer、Sinonasal Carcinoma、Cutaneous Squamous Cell Carcinoma、Head and Neck Neoplasms。本站分类：肿瘤。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT03082534
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/NCT03082534
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
疾病类型：头颈部鳞状细胞癌（HNSCC）、唇部鳞状细胞癌、口腔癌、口咽癌、喉癌、下咽癌、鼻咽癌、鼻窦癌。主要目标：确定帕博利珠单抗联合西妥昔单抗治疗复发/转移性头颈部鳞状细胞癌（R/M HNSCC）患者的临床疗效。1. 队列1（未接受过PD-1/PD-L1抑制剂治疗，未接受过西妥昔单抗治疗）：临床疗效定义为总缓解率。2. 队列2（PD-1/PD-L1抑制剂难治，未接受过西妥昔单抗治疗）：临床疗效定义为总缓解率。3. 队列3（PD-1/PD-L1抑制剂难治，西妥昔单抗难治）：临床疗效定义为总缓解率。4. 队列4（皮肤头颈部鳞状细胞癌）：临床疗效定义为总缓解率。次要目标：1. 确定12个月无进展生存概率。2. 确定总生存期。3. 确定缓解持续时间。4. 评估帕博利珠单抗联合西妥昔单抗的安全性和耐受性。5. 评估分子标志物与疾病结局之间的相关性。
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。
