阿托伐他汀用于乳腺癌高危女性的I期预防研究
该数据集来自 clinicaltrials.gov,属于肿瘤/乳腺癌领域,研究对象为乳腺癌高危女性,涵盖非典型导管增生、乳腺癌、导管原位癌和小叶原位癌等情形

基本信息
资源简介
阿托伐他汀用于乳腺癌高危女性的I期预防研究
该数据集来自 clinicaltrials.gov,属于肿瘤/乳腺癌领域,研究对象为乳腺癌高危女性,涵盖非典型导管增生、乳腺癌、导管原位癌和小叶原位癌等情形。研究以阿托伐他汀为干预手段,主要目的是确定其诱导乳腺组织增殖标志物 Ki-67 调节所需的最低生物学有效剂量,通过细针穿刺获取样本,比较治疗前后四个剂量水平的 Ki-67 表达;次要目的为评估阿托伐他汀对 EGFR、P-EGFR、ER、p21、p27、bcl-2、CC3、细胞学等乳腺癌生物标志物及 LXR、总胆固醇、LDL、HDL、CRP 等药物相关标志物的调节作用(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:非典型导管乳腺增生、乳腺癌、导管原位乳腺癌、小叶原位乳腺癌。主要目标:I. 确定阿托伐他汀诱导乳腺癌高危女性乳腺组织中增殖标志物 Ki-67 调节所需的最低生物学有效剂量(MBED)。我们将评估通过 FNA 从乳腺癌高危女性乳腺组织获取的样本中,阿托伐他汀治疗前和治疗后(4 个剂量水平)的 Ki-67 表达。该特定目标检验以下假设:阿托伐他汀治疗将诱导 Ki-67 降低。次要目标:I. 评估阿托伐他汀对乳腺癌高危女性中乳腺癌生物标志物(EGFR、P-EGFR、ER、p21、p27、bcl-2、CC3、细胞学)和药物相关标志物(LXR、总胆固醇、LDL、HDL、CRP)的诱导调节。
【主题与分类】
主题标签:Atypical Ductal Breast Hyperplasia、Breast Cancer、Ductal Breast Carcinoma in Situ、Lobular Breast Carcinoma in Situ。本站分类:肿瘤/乳腺癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT00637481
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/NCT00637481
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
疾病状态:非典型导管乳腺增生、乳腺癌、导管原位乳腺癌、小叶原位乳腺癌。主要目标:I. 确定阿托伐他汀诱导乳腺癌高风险女性乳腺组织中增殖标志物Ki-67调节所需的最低生物有效剂量(MBED)。我们将评估高风险乳腺癌女性乳腺组织通过细针穿刺(FNA)获取的样本中,阿托伐他汀治疗前后(4个剂量水平)Ki-67的表达情况。此具体目标旨在验证阿托伐他汀治疗能诱导Ki-67表达下降的假设。次要目标:I. 评估阿托伐他汀对乳腺癌生物标志物(EGFR、P-EGFR、ER、p21、p27、bcl-2、CC3、细胞学)及药物相关标志物(LXR、总胆固醇、LDL、HDL、CRP)在高风险乳腺癌女性中的调节作用。II. 测定接受阿托伐他汀治疗的女性血浆和组织中阿托伐他汀及其两种羟基化代谢产物(邻羟基阿托伐他汀和对羟基阿托伐他汀)的水平,并将这些水平与Ki-67水平相关联。III.
将Ki-67及上述生物标志物组合的变化与HMG-CoA还原酶基因型进行相关性分析。研究设计:受试者被随机分配至4个组中的1组。第I组:受试者每日口服阿托伐他汀一次,持续3个月。第II组:受试者每日口服阿托伐他汀(剂量高于第I组)一次,持续3个月。第III组:受试者每日口服阿托伐他汀(剂量高于第II组)一次,持续3个月。第IV组:受试者不接受治疗。受试者在基线和3个月时接受血液样本采集和乳腺组织细针穿刺,用于相关性生物标志物研究。
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。




