个性化免疫治疗平台

数据集获取

源站：https://clinicaltrials.gov/study/NCT06536257

标准获取流程：

1. 访问源站链接，注册/登录账号；
2. 进入数据集详情页，按页面指引申请权限或直接下载；
3. 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。

数据说明

疾病：黑色素瘤、皮肤鳞状细胞癌、基底细胞癌、默克尔细胞癌、实体瘤。个性化免疫治疗项目（PIP）是一项多中心生物标志物发现与验证项目，旨在通过基于多组学生物标志物的预测模型，识别免疫治疗耐药的患者。PIP在回顾性环境中开发了预测模型，并在前瞻性临床观察研究中进行了验证。针对细胞毒性T淋巴细胞相关抗原4（CTLA-4）和程序性细胞死亡1（PD-1）受体的免疫检查点抑制剂已彻底改变了晚期黑色素瘤的治疗，实现了长期持久的缓解，联合免疫治疗的5年总生存率达到52%。然而，临床获益并非普遍存在，其中一半的患者无应答。因此，迫切需要经过临床验证的生物标志物，以识别对标准免疫治疗无应答高风险的患者，并确定哪种新兴临床试验药物最适合特定患者的疾病。

研究人员对接受抗PD-1单药治疗或抗PD-1联合抗CTLA-4治疗的黑色素瘤患者的肿瘤活检样本进行了突变、基因表达和肿瘤免疫谱分析。基于该数据集，PIP开发了预测模型，以识别免疫治疗耐药的患者。随后的PIP-PREDICT是一项前瞻性临床研究，纳入有资格接受已获批免疫治疗的晚期癌症患者。PIP检测和生物标志物报告用于筛选潜在患者。入组研究的每位患者都会收到一份个体化的PIP生物标志物报告，该报告每两周在由临床肿瘤学家、病理学家、分子生物学家、试验护理人员、PIP及生物样本工作人员组成的既定生物标志物多学科团队（MDT）会议上进行展示。PIP-PREDICT的主要目标是在肿瘤科诊所内前瞻性地确定PIP生物标志物预测的准确性。次要目标

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。