国家队列随访:可切除II期、III期或IV期黑色素瘤患者或不可切除原发灶
该数据集来自clinicaltrials.gov,聚焦恶性黑色素瘤患者队列的随访,覆盖可切除II期、III期或IV期患者以及不可切除原发灶患者

基本信息
资源简介
国家队列随访:可切除II期、III期或IV期黑色素瘤患者或不可切除原发灶
该数据集来自clinicaltrials.gov,聚焦恶性黑色素瘤患者队列的随访,覆盖可切除II期、III期或IV期患者以及不可切除原发灶患者。源站描述提及法国黑色素瘤发病率上升、转移性黑色素瘤异质性强且对传统治疗耐药,并涉及抗CTLA4联合或不联合抗PD1抗体、BRAF与MEK抑制剂等治疗背景,以及III期和IIB/IIC期患者辅助治疗与新辅助治疗的批准情况。数据可用于黑色素瘤治疗模式与患者随访相关研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:恶性黑色素瘤。黑色素瘤是一种罕见癌症,在法国发病率不断上升。预防可有效发现预后良好的黑色素瘤,但死亡率仍未改变,15%至20%的患者仍死于黑色素瘤。事实上,转移性黑色素瘤是一种异质性高、由多重突变驱动的癌症,对传统治疗高度耐药。自2011年以来,抗CTLA4联合或不联合抗PD1抗体以及BRAF和MEK抑制剂已显示出显著的生存获益。2019年,抗PD1抗体或BRAFi+MEKi(达拉非尼+曲美替尼)治疗黑色素瘤在III期患者中获得批准。自2023年起,在法国,帕博利珠单抗 also 获批用于IIB/IIC期黑色素瘤患者;因此,辅助治疗将在不进行任何前哨淋巴结手术的情况下得到推广。此外,患者还可接受新辅助治疗(帕博利珠单抗
【主题与分类】
主题标签:Malignant Melanoma。本站分类:肿瘤/皮肤癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT02828202
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/NCT02828202
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:恶性黑色素瘤。黑色素瘤是一种罕见但发病率在法国不断上升的癌症。预防措施能够有效检出预后良好的黑色素瘤,但死亡率仍未改变,15%至20%的患者仍死于黑色素瘤。事实上,转移性黑色素瘤是一种由高度异质性和多重突变驱动的癌症,对常规治疗高度耐药。自2011年以来,抗CTLA4抗体联合或不联合抗PD1抗体以及BRAF和MEK抑制剂已显示出显著的生存获益。2019年,抗PD1抗体或BRAFi+MEKi(达拉非尼+曲美替尼)被批准用于III期黑色素瘤患者的治疗。自2023年起,在法国,帕博利珠单抗亦获批用于IIB/IIC期黑色素瘤患者;因此,辅助治疗将在不进行任何前哨淋巴结手术的情况下得到推广。此外,对于宏观III期、寡转移IV期或罕见无需手术的II期患者,也可采用新辅助治疗(帕博利珠单抗或临床试验)。
晚期黑色素瘤预后的未来改善将依赖于临床流行病学或生物学研究,以验证和识别新的预后和预测因素,这些研究还基于临床流行病学和组织学数据、宿主和肿瘤的基因组改变、肿瘤微环境特征、个体免疫学特征以及功能成像。在昂贵创新药物上市的背景下,需要对资源消耗进行评估,并前瞻性收集治疗和毒性的经济数据。收集晚期黑色素瘤队列数据的大型生物样本库对此类项目至关重要。因此,MELBASE是一个法国国家临床生物样本库,其目标是:* 提供法国晚期黑色素瘤患者的年度工具面板,包括流行病学、临床、生物学和经济特征描述及相关性分析 * 验证和识别新的临床、流行病学和生物学p
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。




