I-SPY TRIAL：新辅助与个体化适应性新药治疗乳腺癌
该数据集来自 clinicaltrials.gov，聚焦乳腺癌的新辅助与个体化适应性治疗研究。覆盖乳腺肿瘤、三阴性乳腺癌、HER2 阳性与阴性乳腺癌、激素受体阳性肿瘤及血管肉瘤等病种
基本信息
资源简介
I-SPY TRIAL：新辅助与个体化适应性新药治疗乳腺癌
该数据集来自 clinicaltrials.gov，聚焦乳腺癌的新辅助与个体化适应性治疗研究。覆盖乳腺肿瘤、三阴性乳腺癌、HER2 阳性与阴性乳腺癌、激素受体阳性肿瘤及血管肉瘤等病种。I-SPY2 评估新药与标准化疗序贯使用的疗效，目标是根据疾病的分子特征（生物标志物特征）为不同亚组识别高估计 pCR 率的治疗策略。具有足够高活性、且对相应生物标志物特征显示高贝叶斯预测概率优于动态对照的新方案将从试验中毕业，疗效提升概率低的方案将被剔除。可用于乳腺癌分子分型与治疗反应预测研究（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：Conditions: Breast Neoplasms, Breast Cancer, Breast Tumors, Angiosarcoma, TNBC - Triple-Negative Breast Cancer, HER2-positive Breast Cancer, HER2-negative Breast Cancer, Hormone Receptor Positive Tumor. I-SPY2 将评估新药与标准化疗序贯使用的疗效。目标是根据疾病的分子特征（生物标志物特征）为不同亚组识别具有高估计 pCR 率的治疗策略。如先前适应性试验所述，单独具有足够高活性、并有助于形成显示高贝叶斯预测概率优于动态对照的治疗策略的新方案，将连同其相应的生物标志物特征从试验中毕业。如果治疗策略在任何生物标志物特征下显示疗效改善概率低，则将被剔除。新药将
【主题与分类】
主题标签：Breast Neoplasms、Breast Cancer、Breast Tumors、Angiosarcoma、TNBC - Triple-Negative Breast Cancer、HER2-positive Breast Cancer、HER2-negative Breast Cancer、Hormone Receptor Positive Tumor、Hormone Receptor Negative Tumor、Early-stage Breast Cancer。本站分类：肿瘤/乳腺癌。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT01042379
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/NCT01042379
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：乳腺肿瘤、乳腺癌、乳腺肿瘤、血管肉瘤、三阴性乳腺癌、HER2阳性乳腺癌、HER2阴性乳腺癌、激素受体阳性肿瘤。I-SPY2将评估新药与标准化疗序贯使用的疗效。目标是基于患者疾病的分子特征（生物标志物特征），识别出估计pCR率高的亚组治疗策略。如先前适应性试验所述，具有足够高单药活性且有助于形成治疗策略的新方案，若显示出高于动态对照的高贝叶斯预测概率，则将与其相应的生物标志物特征一起从试验中毕业。如果治疗策略在任何生物标志物特征下显示出改善疗效的概率较低，则将被淘汰。新药将在已完成测试的药物完成评估后进入。
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。
