乳腺癌患者HER2靶向治疗中影像与心脏生物标志物监测对比研究
该数据集来自clinicaltrials.gov,聚焦HER2阳性乳腺癌患者在接受曲妥珠单抗和帕妥珠单抗等HER2靶向治疗时的心脏毒性监测问题

基本信息
资源简介
乳腺癌患者HER2靶向治疗中影像与心脏生物标志物监测对比研究
该数据集来自clinicaltrials.gov,聚焦HER2阳性乳腺癌患者在接受曲妥珠单抗和帕妥珠单抗等HER2靶向治疗时的心脏毒性监测问题。研究背景是HER2靶向治疗虽改善生存但带来左心室功能不全和心力衰竭风险,常规依赖超声心动图或MUGA扫描评估心肌功能,而生物标志物被提出作为替代 modality。数据集可用于评估生物标志物能否替代影像学检查来监测心肌损伤,支持心脏毒性预测与治疗安全性研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:心脏毒性、HER2阳性乳腺癌。约15%的乳腺癌肿瘤表达人表皮生长因子受体2(HER2),这与预后不良相关。针对HER2的抗体(曲妥珠单抗和帕妥珠单抗)除传统化疗外显著提高了HER2阳性乳腺癌的生存率,但会诱发左心室功能不全和心力衰竭的风险。因此,在HER2靶向治疗期间,推荐通过超声心动图或MUGA扫描定期进行基于影像的心肌功能评估,而后者与辐射暴露相关。这两种扫描对患者和医疗系统都是资源消耗大的,并且由于生物标志物已被提出作为评估心肌损伤的另一种方式,本研究的目的是评估生物标志物能否替代基于影像的评估。
【主题与分类】
主题标签:Cardiotoxicity、HER2-positive Breast Cancer。本站分类:肿瘤/乳腺癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT05406635
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/NCT05406635
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:心脏毒性、HER2阳性乳腺癌。约15%的乳腺癌肿瘤表达人表皮生长因子受体2(HER2),这与预后不良相关。针对HER2的抗体(曲妥珠单抗和帕妥珠单抗)除传统化疗外,显著改善了HER2阳性乳腺癌患者的生存率,但会诱发左心室功能障碍和心力衰竭的风险。因此,在HER2靶向治疗期间,推荐通过超声心动图或MUGA扫描定期进行基于影像学的心肌功能评估,而后者与辐射暴露相关。这两种扫描对患者和医疗系统而言均耗费资源,且由于生物标志物已被提出作为评估心肌损伤的另一种方式,本研究的目的在于评估生物标志物能否在HER2靶向治疗期间替代基于影像学的心肌功能检查。该研究设计为全国性多中心随机研究,将纳入欧登塞大学医院、赫勒夫和根措夫特大学医院以及奥胡斯大学医院。未来可能纳入更多研究中心。
计划接受HER2规范治疗的局限性HER2阳性乳腺癌患者将按1:1随机分为两组:1. 标准影像学监测治疗组,按照DBCG指南推荐进行治疗,并在治疗期第0、9、18、30和48周通过MUGA扫描或超声心动图测量LVEF。每次随访时还采集生物标志物,结果设盲至研究结束。2. 生物标志物监测治疗组,在治疗期第0、9、18、30和48周测量NT-proBNP和cTNT/TNI。在每次随访时也进行MUGA扫描或超声心动图检查,但结果对负责治疗决策的工作人员设盲。在标准影像学监测组中,心脏毒性将按照标准临床指南进行管理。生物标志物组中的心脏毒性将
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。




