Pembrolizumab联合Olaparib或其他放射增敏剂联合放疗治疗三阴性或激素受体阳性/HER2阴性乳腺癌的研究
该数据集来自clinicaltrials.gov，收录一项针对三阴性乳腺癌或激素受体阳性/HER2阴性乳腺癌患者的临床研究信息
基本信息
资源简介
Pembrolizumab联合Olaparib或其他放射增敏剂联合放疗治疗三阴性或激素受体阳性/HER2阴性乳腺癌的研究
该数据集收录自 clinicaltrials.gov，围绕一项针对特定乳腺癌人群的临床研究展开，研究全称为“A Study of Radiation Therapy With Pembrolizumab and Olaparib or Other Radiosensitizers in Women Who Have Triple-Negative or Hormone-Receptor Positive/Her2 Negative Breast Cancer”。数据集在站内归入肿瘤 / 乳腺癌分类，主题聚焦三阴性乳腺癌（TNBC）、乳腺癌及转移性乳腺癌。其核心内容是评估在标准放射治疗基础上联合帕博利珠单抗（pembrolizumab），并视情况联合奥拉帕利（olaparib）或其他放射增敏剂，对转移性乳腺癌患者是否安全有效，以及该研究治疗方案与单纯放射治疗这一常规方案相比的优劣。数据集为研究者与临床人员了解该试验的设计背景、适用人群和干预思路提供了入口信息。
【数据集背景】
乳腺癌是临床常见的恶性肿瘤之一，其中三阴性乳腺癌缺乏雌激素受体、孕激素受体和 HER2 表达，治疗选择相对有限；激素受体阳性/HER2 阴性亚型则构成另一类数量可观的患病群体。当疾病进展至转移阶段，局部放射治疗是常用的姑息与局部控制手段，但单纯放疗的疗效存在提升空间。基于这一背景，该研究尝试将免疫检查点抑制剂帕博利珠单抗与放射治疗联合，并进一步考察在此之上加用奥拉帕利或其他放射增敏剂的效果，以期探索更优的治疗组合。数据集所承载的正是这一研究方向的注册信息。
【数据内容】
数据集涵盖的研究条件包括三阴性乳腺癌、TNBC（三阴性乳腺癌）、乳腺癌以及转移性乳腺癌。研究目的明确为两方面：一是判断在标准放射治疗中加入帕博利珠单抗（联合或不联合奥拉帕利）对转移性乳腺癌是否安全有效；二是比较该研究治疗方案与常规方案（即单纯放射治疗）之间的相对效果，判断其更优、相当还是更差。主题标签与上述疾病名称一致，便于按瘤种与疾病阶段进行检索归类。
【采集与来源】
该数据集来源于 clinicaltrials.gov，即临床试验注册平台。其内容对应一项已注册的临床研究条目，描述信息由注册方提交。数据集本身是对该注册信息的整理与呈现，站内分类为肿瘤 / 乳腺癌。
【适用场景】
该数据集适用于肿瘤学与乳腺癌相关的研究人员、临床医生及患者教育场景，可用于了解针对三阴性乳腺癌或激素受体阳性/HER2 阴性乳腺癌患者的放射治疗联合免疫治疗与放射增敏策略的研究设计思路，也可作为检索转移性乳腺癌相关临床试验的入口。对于关注放疗联合帕博利珠单抗、奥拉帕利等干预组合的研究者，该条目提供了研究目的与适用人群的概括性信息。
【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/NCT04683679
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：三阴性乳腺癌，TNBC - 三阴性乳腺癌，乳腺癌，转移性乳腺癌。本研究的目的是探究在标准放射治疗基础上加用帕博利珠单抗（联合或不联合奥拉帕利）是否为转移性乳腺癌的安全有效治疗方法，并观察研究治疗与常规方法（单纯放射治疗）相比是更优、相同还是更差。
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。
需要用于商业化训练或医疗器械注册（NMPA/FDA）？
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托三甲直采网络，提供合规、去标识化、支持注册级质控的专病数据集交易服务。
