血液中雷帕霉素敏感生物标志物的发现
该数据集来自clinicaltrials.gov，聚焦淋巴管肌瘤病（LAM）患者使用sirolimus（雷帕霉素）后血液和尿液中潜在生物标志物的短期变化
基本信息
资源简介
血液中雷帕霉素敏感生物标志物的发现
该数据集英文名为 Discovery of Sirolimus Sensitive Biomarkers in Blood，来源于 clinicaltrials.gov，聚焦淋巴管肌瘤病（LAM）患者使用 sirolimus（雷帕霉素）后血液和尿液中潜在生物标志物的短期变化。西罗莫司作为雷帕霉素机制靶蛋白（mTOR）的靶向抑制剂，已被证明对淋巴管肌瘤病患者有效，可稳定肺功能、缓解乳糜性积液和淋巴管肌瘤，并使血管平滑肌脂肪瘤缩小。本研究旨在通过追踪血液和尿液中潜在生物标志物的变化，更好地理解该药物的短期作用。数据集主题标签为 Lymphangioleiomyomatosis，本站分类归入呼吸系统疾病 / 其他。
【数据集背景】
该数据集所对应的研究关注淋巴管肌瘤病（LAM）患者在接受 sirolimus（雷帕霉素）治疗后的生物学响应。西罗莫司是雷帕霉素机制靶蛋白（mTOR）的靶向抑制剂，已有证据表明其对淋巴管肌瘤病患者有效，能够稳定肺功能、缓解乳糜性积液和淋巴管肌瘤，并使血管平滑肌脂肪瘤缩小。当前研究的目标是更好地理解该药物的短期作用，具体方式是对血液和尿液中潜在生物标志物的变化进行追踪。数据集即围绕这一研究目的组织，主题标签为 Lymphangioleiomyomatosis。
【数据内容】
数据集涉及的内容为淋巴管肌瘤病患者使用 sirolimus 后血液和尿液样本中的潜在生物标志物相关数据。根据源站描述，研究将对样本进行分子和细胞分析，以寻找潜在生物标志物。样本采集时间点包括：首次给药前的样本，给药后 1 小时以及给药后 23 小时（谷浓度）的样本；在第 3 个月和第 9 个月，于谷浓度时和给药后 1 小时获取样本。数据所覆盖的具体变量、样本数量、检测指标种类等细节，源站未提供。
【采集与来源】
数据来源站为 clinicaltrials.gov。源站描述显示，研究针对淋巴管肌瘤病患者，在首次给药前、给药后 1 小时和给药后 23 小时（谷浓度）采集样本，并在第 3 个月和第 9 个月于谷浓度和给药后 1 小时采集样本，样本类型包括血液和尿液，随后进行分子和细胞分析以寻找潜在生物标志物。除上述来源与采集时间点信息外，采集机构、采集地点、样本处理流程等细节，源站未提供。
【适用场景】
该数据集适用于与淋巴管肌瘤病相关的生物标志物研究场景，尤其是围绕 sirolimus（雷帕霉素）短期用药后血液和尿液中潜在生物标志物变化的分析。可用于了解 mTOR 靶向抑制剂在 LAM 患者中的短期生物学效应这一研究主题。具体可支持的分析类型、模型构建或临床决策用途，源站未提供。
【使用方法】
源站未提供。
【质量与限制】
源站未提供。
【引用与许可】
源站未提供。
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/NCT03304678
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：淋巴管肌瘤病。西罗莫司（雷帕霉素）作为雷帕霉素机制靶蛋白（mTOR）的靶向抑制剂，已被证明对淋巴管肌瘤病（LAM）患者有效。它能稳定肺功能，消除乳糜性积液和淋巴管肌瘤，并使血管平滑肌脂肪瘤缩小。本研究旨在通过追踪药物对血液和尿液中潜在生物标志物的影响，更好地了解该药物的短期作用。LAM患者将在首次给药前、给药后1小时和23小时（谷浓度水平）采集样本。在第3个月和第9个月，将在谷浓度时和给药后1小时采集样本。将进行分子和细胞分析，以寻找潜在的生物标志物。
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。
![[11C]Acetate-PET 在 LAM 与 TSC 中的可行性研究](/medical-api/medicalDataset/datasetCover/185993.jpg)
