靶向恶性实体瘤新抗原的个体化免疫细胞治疗
该数据集来自 clinicaltrials.gov，聚焦靶向恶性实体瘤新抗原的个体化免疫细胞治疗研究。研究覆盖癌、黑色素瘤、膀胱癌和结直肠癌，为单中心、单臂、前瞻性设计，旨在建立基因突变数据库并筛选晚期恶性黑色素瘤、膀胱癌和结直肠癌患者的新抗原，进而探索个体化肿瘤抗原致敏DC疫苗及其致敏T细胞在这类
基本信息
资源简介
靶向恶性实体瘤新抗原的个体化免疫细胞治疗
该数据集来自 clinicaltrials.gov，聚焦靶向恶性实体瘤新抗原的个体化免疫细胞治疗研究。研究覆盖癌、黑色素瘤、膀胱癌和结直肠癌，为单中心、单臂、前瞻性设计，旨在建立基因突变数据库并筛选晚期恶性黑色素瘤、膀胱癌和结直肠癌患者的新抗原，进而探索个体化肿瘤抗原致敏DC疫苗及其致敏T细胞在这类实体瘤中的安全性与疗效。数据集在分类上归属于肿瘤 / 皮肤癌方向，主题标签包括Carcinoma、Melanoma、Bladder Cancer、Colorectal Cancer，可用于了解该领域个体化免疫细胞治疗研究的注册信息与设计框架。
【数据集背景】
该数据集对应的研究围绕恶性实体瘤的新抗原靶向免疫细胞治疗展开。研究关注的疾病类型包括癌、黑色素瘤、膀胱癌和结直肠癌，其中重点涉及晚期恶性黑色素瘤、膀胱癌和结直肠癌患者。研究设计的核心目标之一是建立基因突变数据库，并在此基础上筛选患者的新抗原，为后续个体化治疗策略提供依据。整体研究定位为单中心、单臂、前瞻性研究，属于探索性临床研究范畴，旨在评估个体化肿瘤抗原致敏DC疫苗及其致敏T细胞在相关实体瘤中的安全性和疗效。
【数据内容】
数据集的主题标签涵盖Carcinoma、Melanoma、Bladder Cancer、Colorectal Cancer，对应研究关注的癌、黑色素瘤、膀胱癌和结直肠癌。研究内容涉及基因突变数据库的建立、新抗原的筛选，以及个体化肿瘤抗原致敏DC疫苗和其致敏T细胞的探索。数据集所属分类为肿瘤 / 皮肤癌。除上述内容外，关于数据集的具体字段结构、变量类型、样本量、记录条数、随访时间、疗效指标、安全性指标等详细信息，源站未提供。
【采集与来源】
该数据集来源于clinicaltrials.gov。研究为单中心、单臂、前瞻性设计。源站描述中提及的研究条件包括Carcinoma、Melanoma、Bladder Cancer、Colorectal Cancer。关于数据采集的具体时间范围、采集机构、采集流程、数据更新频率、注册编号、研究启动或完成日期等信息，源站未提供。
【适用场景】
该数据集适用于了解靶向恶性实体瘤新抗原的个体化免疫细胞治疗研究的设计思路与关注方向，尤其是涉及癌、黑色素瘤、膀胱癌和结直肠癌的临床研究注册信息。可用于检索或参考单中心、单臂、前瞻性研究在个体化肿瘤抗原致敏DC疫苗及致敏T细胞探索中的研究框架。关于该数据集在具体科研分析、临床决策、药物开发或政策制定中的直接应用方式，源站未提供。
【使用方法】
源站未提供该数据集的具体使用方法，包括数据访问方式、下载格式、字段说明、数据字典、分析工具或操作指南等。
【质量与限制】
该研究为单中心、单臂、前瞻性设计，源站描述未提供对照组设置、盲法、样本量、统计方法、随访时长、终点指标、安全性或疗效结果等质量相关信息。关于数据完整性、准确性、偏倚控制、缺失值处理及外部验证等情况，源站未提供。
【引用与许可】
源站未提供该数据集的引用格式、许可协议、使用条款或版权说明。
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/NCT05235607
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：癌、黑色素瘤、膀胱癌、结直肠癌。这项单中心、单臂、前瞻性研究旨在建立晚期恶性黑色素瘤、膀胱癌和结直肠癌患者的基因突变数据库并筛选新抗原。随后，我们打算探索个体化肿瘤抗原致敏DC疫苗及其致敏T细胞在这些实体癌中的安全性和有效性。
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。
