Disitamab Vedotin 治疗 HER2 表达晚期乳腺癌研究

该数据集来自 clinicaltrials.gov,收录一项关于 disitamab vedotin 治疗 HER2 表达晚期乳腺癌的临床研究信息

PfizerPfizer
clinicaltrials
浏览 7
其他Breast CancerBreast Neoplasms
A Study of Disitamab Vedotin in Adults With HER2 Expressing Advanced Breast Cancer

基本信息

模态
其他
创建/更新时间
2026-10-20

资源简介

Disitamab Vedotin 治疗 HER2 表达晚期乳腺癌研究

该数据集来自 clinicaltrials.gov,收录一项关于 disitamab vedotin 治疗 HER2 表达晚期乳腺癌的临床研究信息。目标人群为难以治疗且已扩散的乳腺癌患者,要求肿瘤具有 HER2 表达并接受过既往治疗。所有参与者每两周在研究中心接受一次静脉输注,直至患者或医生决定停止。数据可用于了解该药物的安全性和效果,支持肿瘤学临床研究与治疗评估(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):条件:乳腺癌、乳腺肿瘤。本临床研究的目的是了解研究药物(称为 disitamab vedotin)用于可能治疗难以治疗且已扩散到体内(晚期癌症)的乳腺癌患者的安全性和效果。本研究正在寻找符合以下条件的参与者: 患有难以治疗且已扩散到体内(晚期癌症)的乳腺癌 肿瘤上有 HER2 * 已接受过晚期乳腺癌的既往治疗。本研究的所有参与者将每 2 周在研究诊所接受一次 disitamab vedotin 静脉(IV)输注(直接注入静脉)。参与者将服用研究药物,直到他们或他们的医生决定停止。这可能是因为他们的癌症正在恶化、研究药物不再有帮助、他们有严重的副作用,或者

【主题与分类】

主题标签:Breast Cancer、Breast Neoplasms。本站分类:肿瘤/乳腺癌。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT06966453

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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/NCT06966453

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:乳腺癌、乳腺肿瘤。本临床研究的目的是了解研究药物(称为disitamab vedotin)用于可能治疗难以治疗且已在体内扩散(晚期癌症)的乳腺癌患者时的安全性和效果。本研究正在招募符合以下条件的参与者:* 患有难以治疗且已在体内扩散(晚期癌症)的乳腺癌 * 肿瘤带有HER2 * 既往接受过晚期乳腺癌治疗。本研究的所有参与者将在研究诊所每2周接受一次disitamab vedotin静脉(IV)输注(直接注入静脉)。参与者将服用研究药物,直到他们或他们的医生决定停止。这可能是因为他们的癌症正在恶化、研究药物不再有帮助、他们出现严重副作用,或他们希望停止服用研究药物。在此期间,参与者将每2周进行一次研究访视。在参与者停止服用研究药物后,他们将大约每6周进行一次随访访视,除非他们的癌症恶化。

之后,他们将大约每12周进行一次随访电话。研究团队将观察接受研究药物治疗的人的经历。这将有助于研究团队判断研究药物是否安全有效。

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。

获取专属数据定制方案