HR阳性/HER2阴性晚期乳腺癌ADC序贯治疗队列研究

该数据集来自clinicaltrials.gov,聚焦HR阳性/HER2阴性晚期乳腺癌在CDK4/6抑制剂联合内分泌治疗进展后的治疗策略问题

Yan XueYan Xue
clinicaltrials
浏览 12
基因组预测Breast Neoplasms
Cohort Study on Sequential ADC Therapy in HR-positive/HER2-negative Advanced Breast Cancer

基本信息

模态
基因组
任务类型
预测
创建/更新时间
2026-10-20

资源简介

HR阳性/HER2阴性晚期乳腺癌ADC序贯治疗队列研究

该数据集来自clinicaltrials.gov,聚焦HR阳性/HER2阴性晚期乳腺癌在CDK4/6抑制剂联合内分泌治疗进展后的治疗策略问题。源站描述指出,CDK4/6i进展后最佳治疗策略尚不明确,sacituzumab govitecan(SG)与trastuzumab deruxtecan(T-DXd)等ADC药物显示出显著活性,但不同ADC序贯顺序(如SG后T-DXd对比T-DXd后SG)仍不确定。该数据可用于研究ADC序贯治疗选择、生存获益与生活质量优化等临床问题(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):疾病:乳腺肿瘤。细胞周期蛋白依赖性激酶4/6抑制剂(CDK4/6i)联合内分泌治疗是晚期HR阳性(激素受体阳性)/HER2阴性(人表皮生长因子受体2阴性)乳腺癌的标准一线治疗。然而,CDK4/6i进展后的最佳治疗策略仍不明确。近年来,sacituzumab govitecan(SG)和trastuzumab deruxtecan(T-DXd)等抗体药物偶联物(ADC)在HR+/HER2-乳腺癌中显示出显著活性,为CDK4/6i进展后提供了新选择。但CDK4/6i治疗失败后不同ADC的最佳序贯顺序(例如SG后接T-DXd对比T-DXd后接SG)仍不确定。确定如何进一步优化治疗选择以延长生存并改善生活质量已成为临床实践中的关键研究焦点。本研究

【主题与分类】

主题标签:Breast Neoplasms。本站分类:肿瘤/乳腺癌。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT07162259

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。

免费样本无法满足模型训练要求?千方提供经三甲医院脱敏、带病理回证与专家标注的商业级专病数据集。

使用方式

数据集获取

源站:https://clinicaltrials.gov/study/NCT07162259

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

条件:乳腺肿瘤。细胞周期蛋白依赖性激酶4/6抑制剂(CDK4/6i)联合内分泌治疗是晚期HR+(激素受体阳性)/HER2-(人表皮生长因子受体2阴性)乳腺癌的标准一线治疗方案。然而,CDK4/6i进展后的最佳治疗策略仍不明确。近年来,抗体药物偶联物(ADCs)如戈沙妥珠单抗(SG)和德曲妥珠单抗(T-DXd)在HR+/HER2-乳腺癌中显示出显著活性,为CDK4/6i进展后提供了新的选择。然而,CDK4/6i治疗失败后不同ADC的最佳序贯方案(如SG后接T-DXd vs. T-DXd后接SG)仍不确定。如何进一步优化治疗选择以延长生存期和改善生活质量已成为临床实践中的关键研究焦点。本研究旨在探索生物标志物引导的CDK4/6i进展后序贯ADC治疗(如SG→T-DXd vs. T-DXd→SG)的疗效、安全性及潜在耐药机制。研究结果可能指导临床决策并为精准医学提供证据。

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。