靶向ROS1联合内分泌治疗浸润性小叶乳腺癌新辅助研究(ROSALINE)
该数据集来自clinicaltrials.gov,聚焦浸润性小叶乳腺癌(ILBC)的新辅助治疗研究,覆盖ER+、HER2阴性乳腺癌人群

基本信息
资源简介
靶向ROS1联合内分泌治疗浸润性小叶乳腺癌新辅助研究(ROSALINE)
该数据集来自clinicaltrials.gov,聚焦浸润性小叶乳腺癌(ILBC)的新辅助治疗研究,覆盖ER+、HER2阴性乳腺癌人群。源站描述指出ILBC是仅次于浸润性导管癌的第二常见组织学亚型(占5-15%),尽管临床与病理特征不同,仍按导管癌治疗,且对常规化疗反应率较低,部分结果提示芳香化酶抑制剂可能带来更多获益,并提及CDK4/6抑制剂联合内分泌治疗。数据可用于乳腺癌治疗反应与肿瘤生物学比较分析等研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:浸润性小叶乳腺癌、ER+乳腺癌、HER2阴性乳腺癌。新辅助治疗环境近来受到越来越多的关注,因为它提供了直接评估治疗对肿瘤大小效果的可能性、更好的手术结果,以及通过比较分析治疗前后肿瘤生物学和临床结局所提供的研究机会。浸润性小叶乳腺癌(ILBC)是仅次于浸润性导管乳腺癌(IDBC)的第二常见组织学亚型(5-15%)。尽管存在临床和病理差异,ILBC仍按IDBC治疗。事实上,ILBC受试者对常规化疗药物的反应率往往较低,一些结果提示他们可能从芳香化酶抑制剂中获得更多获益。CDK4/6抑制剂联合内分泌
【主题与分类】
主题标签:Invasive Lobular Breast Carcinoma、ER+ Breast Cancer、HER2-negative Breast Cancer。本站分类:肿瘤/乳腺癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT04551495
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/NCT04551495
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:浸润性小叶乳腺癌、ER+乳腺癌、HER2阴性乳腺癌。近年来,新辅助治疗领域日益受到关注,因为它提供了直接评估治疗对肿瘤大小效果的可能性、更好的手术结果,以及通过比较分析治疗前后的肿瘤生物学和临床结局所带来的潜在研究机会。浸润性小叶乳腺癌(ILBC)是仅次于浸润性导管乳腺癌(IDBC)的第二常见组织学亚型(5-15%)。尽管在临床和病理上存在差异,ILBC仍按IDBC进行治疗。事实上,ILBC患者对常规化疗药物的缓解率往往较低,一些结果提示他们可能从芳香化酶抑制剂中获得更多获益。基于7项阳性3期试验的结果,CDK4/6抑制剂联合内分泌治疗已获FDA批准用于ER阳性/HER2阴性转移性乳腺癌的治疗。
这些药物目前正在辅助治疗背景下进行3期研究测试,可能成为接受根治性治疗的ER阳性/HER2阴性早期乳腺癌患者的标准治疗方案。在新辅助随机研究NeoPAL(UCBG10/4,NCT02400567)中,来曲唑+哌柏西利组有7.7%的受试者达到残余癌症负荷(RCB)0-1状态。该组入组的7例小叶乳腺癌患者中未获得此发生率数据。在小叶乳腺癌中,E-钙黏蛋白(CDH1)表达缺失是最常见的致癌事件,见于90%的病例。体外、离体和体内模型系统以及不同的功能分析模式(遗传和化学筛选)已被用于识别CDH1合成致死相互作用。在体内,ROS1抑制剂在多种E-钙黏蛋白缺陷型乳腺癌模型中产生了显著的抗肿瘤效果,为此背景下评估ROS1抑制剂提供了临床前依据。目前一项研究正在i
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。千方医数集依托陕川双基地与超十家三甲医院直连,提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。




