Avelumab或Hydroxychloroquine联合或不联合Palbociclib消除休眠乳腺癌
该数据集来自clinicaltrials.gov,聚焦乳腺癌,收录一项旨在通过靶向骨髓播散肿瘤细胞(DTC)来减少不可治愈的复发性转移性乳腺癌发生率的临床试验信息

基本信息
资源简介
Avelumab或Hydroxychloroquine联合或不联合Palbociclib消除休眠乳腺癌
该数据集来自clinicaltrials.gov,聚焦乳腺癌,收录一项旨在通过靶向骨髓播散肿瘤细胞(DTC)来减少不可治愈的复发性转移性乳腺癌发生率的临床试验信息。试验针对DTC维持休眠(自噬)及逃逸休眠(CDK4/6通路上调与免疫逃逸等微环境因素)的机制,涉及Hydroxychloroquine、Palbociclib和Avelumab等药物。数据可用于理解肿瘤休眠机制、免疫检查点与CDK4/6通路相关研究,以及乳腺癌复发转移的预测性分析(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。本临床试验的总体目标是通过靶向这些复发的先兆——根治性治疗后存在的骨髓播散肿瘤细胞(DTC)——来降低不可治愈的复发性转移性乳腺癌的发生率。本试验靶向DTC维持休眠表型(自噬)以及它们逃逸休眠(细胞周期蛋白依赖性激酶4/6(CDK4/6)通路的上调和免疫逃逸等微环境因素)的独特机制。这些药物的选择基于强有力的临床前数据,这些数据证明自噬(被HCQ抑制)、CDK4/6通路(被palbociclib抑制)和程序性细胞死亡-1(PD-1)/程序性死亡配体1(PD-L1)免疫检查点通路(被avelumab阻断)作为细胞和免疫肿瘤休眠的关键机制的相关性。该II期
【主题与分类】
主题标签:Breast Cancer。本站分类:肿瘤/乳腺癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT04841148
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/NCT04841148
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
适应症:乳腺癌。本临床试验的总目标是针对根治性治疗后存在的骨髓播散肿瘤细胞(DTCs)——即这些复发的前体细胞,降低不可治愈的复发性转移性乳腺癌的发生率。本试验针对DTCs维持休眠表型(自噬)及其逃逸休眠(细胞周期蛋白依赖性激酶4/6(CDK4/6)通路上调及免疫逃逸等微环境因素)的独特机制。所选药物基于强有力的临床前数据,这些数据证明自噬(被HCQ抑制)、CDK4/6通路(被palbociclib抑制)以及程序性细胞死亡-1(PD-1)/程序性死亡配体1(PD-L1)免疫检查点通路(被avelumab阻断)是细胞和免疫肿瘤休眠的关键机制。该II期试验旨在提供“概念验证”以及这些疗法不同组合和持续时间对骨髓DTCs(作为最终减少复发的替代指标)效应的估计。
相关科学目标将为进一步理解原发肿瘤与DTC生物学特性及宿主免疫监视之间的关系提供深入见解,以支持靶点验证与开发,并评估骨髓中(采用新型流式检测方法)和外周循环中(包括循环肿瘤细胞和无细胞DNA)其他生物标志物的作用,从而识别患有微小残留病(MRD)的患者以及用于干预的靶点和DTC反应的测量指标。
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。




