从皮肤气味样本中识别皮肤癌嗅觉生物标志物：一项初步研究
条件：识别恶性黑色素瘤、基底细胞癌和鳞状细胞癌特有的挥发性生物标志物，验证所识别的挥发性生物标志物源于体味的代谢变化，而不仅仅是癌变病灶表面的变化
基本信息
资源简介
从皮肤气味样本中识别皮肤癌嗅觉生物标志物：一项初步研究
该数据集名为“Identification of Olfactory Biomarkers of Skin Cancer From Skin Odor Samples: a Pilot Study”，属于肿瘤领域下的皮肤癌方向，来源于clinicaltrials.gov。其核心目标是识别恶性黑色素瘤、基底细胞癌和鳞状细胞癌特有的挥发性生物标志物，并验证这些标志物是否源于体味的代谢变化，而不仅仅是癌变病灶表面的变化。该研究为探索性研究，编号SCENT-SKIN-001，通过采集皮肤癌患者和健康受试者的体味样本，利用热脱附结合全二维气相色谱-飞行时间质谱联用技术进行分析，以表征样本中的挥发性成分。该数据集为皮肤癌的无创诊断与生物标志物发现提供了初步研究框架。
【数据集背景】
皮肤癌的早期识别与分型对临床诊疗具有重要意义。恶性黑色素瘤、基底细胞癌和鳞状细胞癌是常见的皮肤癌类型，其诊断通常依赖组织病理学检查。本研究旨在探索一种基于体味中挥发性有机化合物的无创检测思路，通过识别与皮肤癌相关的嗅觉生物标志物，为后续更大规模研究提供方法学基础和假设依据。该研究属于探索性试点研究，重点关注体味样本中挥发性成分的差异及其潜在代谢来源。
【数据内容】
该数据集围绕体味样本中挥发性生物标志物的识别与验证展开。研究条件包括：识别恶性黑色素瘤、基底细胞癌和鳞状细胞癌特有的挥发性生物标志物；验证所识别的挥发性生物标志物源于体味的代谢变化，而不仅仅是癌变病灶表面的变化。样本分析采用热脱附结合全二维气相色谱-飞行时间质谱联用技术，该方法能够对样本中的挥发性成分进行分离和表征。数据集主题标签同样聚焦于上述两类核心目标，即识别特定皮肤癌类型的挥发性标志物，并验证其代谢来源。
【采集与来源】
样本采集来自皮肤癌患者和健康受试者。对于皮肤癌患者，体味样本采集部位包括皮肤病灶处、与皮肤病灶对侧的对应区域、腋窝、颈部、前臂和大腿内侧。对于健康受试者，体味样本采集部位包括腋窝、颈部、前臂和大腿内侧。所有样本均通过热脱附结合全二维气相色谱-飞行时间质谱联用技术进行分析。该数据集来源于clinicaltrials.gov，属于肿瘤/皮肤癌分类下的研究数据。
【适用场景】
该数据集适用于皮肤癌无创诊断方法的探索性研究，尤其是基于体味挥发性有机化合物的生物标志物发现。可应用于以下方向：识别恶性黑色素瘤、基底细胞癌和鳞状细胞癌相关的挥发性标志物；研究体味代谢变化与皮肤癌之间的潜在关联；验证挥发性标志物是否来源于代谢变化而非病灶表面变化；为后续更大规模的临床验证研究提供方法学参考。此外，该数据集也可用于挥发性组学分析方法在肿瘤领域的应用研究。
【使用方法】
源站未提供具体的数据使用说明或访问方式。研究人员如需使用该数据集，应参考clinicaltrials.gov上该研究的相关记录，了解样本采集、分析方法和研究设计的详细信息。由于该研究为探索性试点研究，数据可能以研究结果或分析报告的形式呈现，具体的数据格式、变量定义和分析流程需依据源站提供的资料确定。
【质量与限制】
该研究为探索性试点研究，样本量和研究范围可能有限，其结论的普适性需要进一步验证。研究采用热脱附结合全二维气相色谱-飞行时间质谱联用技术进行样本分析，该方法能够提供挥发性成分的分离与表征，但具体的数据质量指标、检测限、重复性和准确性等信息源站未提供。此外，该研究关注的是体味样本中的挥发性生物标志物，其与皮肤癌的因果关系和临床诊断价值尚需更大规模研究确认。源站未提供关于数据完整性、缺失值处理或质量控制的具体说明。
【引用与许可】
源站未提供该数据集的引用格式、许可协议或使用限制。如需引用或使用该数据集，建议直接访问clinicaltrials.gov上该研究的相关页面，获取最新的引用信息和许可条款。
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/NCT06493786
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：识别恶性黑色素瘤、基底细胞癌和鳞状细胞癌特有的挥发性生物标志物，验证所识别的挥发性生物标志物来源于体味的代谢变化，而不仅仅是癌性病变表面的变化。SCENT-SKIN-001探索性研究旨在识别与皮肤癌相关的嗅觉生物标志物。将从皮肤癌患者的皮肤病变部位、皮肤病变对侧区域、腋窝、颈部、前臂和大腿内侧采集体味样本，并从健康受试者的腋窝、颈部、前臂和大腿内侧采集样本。样本将通过热脱附后接全二维气相色谱-飞行时间质谱联用（TD-GCxGC/ToFMS）进行分析。这种样本表征方法比简单的GC-MS技术能分离出更多的化合物。
该研究是与巴黎市工业物理化学高等学院（ESPCI Paris）分析科学、生物分析和微型化实验室（LSABM）团队合作开发的，并且是一项分析化学博士论文的研究课题。作为该分析方法的一部分，我们开发了一种皮肤挥发性有机化合物（VOC）采样装置。该装置旨在避免任何可能影响样本质量的环境因素造成的污染。该研究将针对新诊断患有恶性黑色素瘤、基底细胞癌或鳞状细胞癌的患者，以及没有皮肤癌的“健康”受试者进行。研究将纳入60名皮肤癌患者（20名恶性黑色素瘤、20名基底细胞癌和20名表皮样癌）以及20至60名健康受试者。因此，该研究将涉及80至120人。该研究将在法国医院以及经地区卫生局（ARS）授权在健康受试者中进行临床试验的中心开展。
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。
