24VA022；VATCH Alpelisib 用于 TIE2/PIK3CA 通路血管异常
研究旨在评估 Alpelisib 在该人群中的有效性与安全性，参与时长最长 3 年，需至少用药 2 年，并定期前往 Children's Hospital of Philadelphia（CHOP）费城院区随访
基本信息
资源简介
24VA022；VATCH Alpelisib 用于 TIE2/PIK3CA 通路血管异常
该数据集来自 clinicaltrials.gov，聚焦 TIE2/PIK3CA 通路驱动的血管异常（Vascular Anomalies），收录 2 个月至 30 岁参与者的研究信息。研究旨在评估 Alpelisib 在该人群中的有效性与安全性，参与时长最长 3 年，需至少用药 2 年，并定期前往 Children's Hospital of Philadelphia（CHOP）费城院区随访。数据可用于血管异常治疗相关的疗效与安全性分析，以及乳腺癌适应症外用药的探索性研究（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：条件：血管异常、血管异常、TIE2/PIK3CA 通路驱动的血管异常。本研究将招募 2 个月至 30 岁的参与者。本研究的目的是评估 Alpelisib（“研究药物”）在 PIK3CA/TIE-2/TEK 通路驱动的血管异常（VA）患者中的有效性和安全性。Alpelisib 已获美国食品药品监督管理局（FDA）批准用于治疗患有某些类型乳腺癌的成人和儿童。其在本研究中的使用被视为实验性，因为 FDA 尚未批准该研究药物用于治疗 VA 患者。研究参与将持续长达 3 年，并将涉及定期前往 Children's Hospital of Philadelphia（CHOP）费城院区进行研究访视。参与者需要服用研究药物 Alpelisib 至少 2 年，如果出现阳性反应，则总共最多 3 年。
【主题与分类】
主题标签：Vascular Anomalies、Vascular Anomaly。本站分类：肿瘤/乳腺癌。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT07543822
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/NCT07543822
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：血管异常、血管畸形、TIE2/PIK3CA通路驱动的血管异常。本研究将招募2个月至30岁的参与者。本研究的目的是评估Alpelisib（“研究药物”）在PIK3CA/TIE-2/TEK通路驱动的血管异常（VA）患者中的有效性和安全性。Alpelisib已获美国食品药品监督管理局（FDA）批准，用于治疗患有某些类型乳腺癌的成人和儿童。本研究中使用该药物被视为实验性用药，因为FDA尚未批准该研究药物用于治疗血管异常患者。研究参与将持续最长3年，并需要定期前往费城儿童医院（CHOP）费城院区进行研究访视。参与者需要服用研究药物Alpelisib至少2年，如果出现阳性反应，则总共最长可达3年。参与本研究意味着您将为研究目的参加最多16次门诊访视。大多数访视大约需要30分钟，但部分访视大约需要2小时，因为您将被要求填写关于您体验的问卷。
参与这项研究还意味着要服用研究药物、拍摄照片并填写研究药物日记。本研究还有一个可选部分，涉及采集血液用于生物标志物检测。
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。
