细胞周期蛋白依赖性激酶抑制剂 PD 0332991 治疗癌症患者的 II 期试验
该数据集来自 clinicaltrials.gov，属于肿瘤/乳腺癌分类，收录一项关于细胞周期蛋白依赖性激酶抑制剂 PD 0332991 的 II 期临床试验
基本信息
资源简介
细胞周期蛋白依赖性激酶抑制剂 PD 0332991 治疗癌症患者的 II 期试验
该数据集来自 clinicaltrials.gov，属于肿瘤/乳腺癌分类，收录一项关于细胞周期蛋白依赖性激酶抑制剂 PD 0332991 的 II 期临床试验。覆盖成人实体瘤、结肠腺癌、直肠腺癌、成人中枢神经系统生殖细胞肿瘤、成人畸胎瘤、良性畸胎瘤以及雌激素受体阴性和阳性乳腺癌等病种。试验主要目标是评估 PD 0332991 在转移性乳腺癌、转移性结直肠癌、伴 CDK4 突变或扩增的转移性黑色素瘤以及顺铂难治性不可切除生殖细胞肿瘤中的缓解率。患者每日口服 PD 0332991，第 1-21 天用药，每 28 天重复，最多 12 个疗程。可用于肿瘤治疗响应预测相关研究（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：条件：成人实体瘤、结肠腺癌、直肠腺癌、成人中枢神经系统生殖细胞肿瘤、成人畸胎瘤、良性畸胎瘤、雌激素受体阴性乳腺癌、雌激素受体阳性乳腺癌。主要目标：I. 确定以下恶性肿瘤接受 PD 0332991 治疗后的缓解率：1) 转移性乳腺癌，2) 转移性结直肠癌，3) 伴 CDK4 突变或扩增的转移性黑色素瘤，或 4) 顺铂难治性、不可切除的生殖细胞肿瘤。方案概述：患者在第 1-21 天每日一次口服 PD 0332991。在没有不可接受的毒性或疾病进展的情况下，每 28 天重复治疗，最多 12 个疗程。
【主题与分类】
主题标签：Adult Solid Tumor、Adenocarcinoma of the Colon、Adenocarcinoma of the Rectum、Adult Teratoma、Benign Teratoma、Estrogen Receptor-negative Breast Cancer、Estrogen Receptor-positive Breast Cancer、Familial Testicular Germ Cell Tumor、HER2-negative Breast Cancer、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/NCT01037790
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/NCT01037790
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：成人实体瘤、结肠腺癌、直肠腺癌、成人中枢神经系统生殖细胞肿瘤、成人畸胎瘤、良性畸胎瘤、雌激素受体阴性乳腺癌、雌激素受体阳性乳腺癌。主要目标：I. 确定以下恶性肿瘤接受PD 0332991治疗后的缓解率：1）转移性乳腺癌，2）转移性结直肠癌，3）伴有CDK4突变或扩增的转移性黑色素瘤，或4）顺铂难治性、不可切除的生殖细胞肿瘤。方案概要：患者在第1-21天每日一次口服PD 0332991。每28天重复治疗，最多12个疗程，直至出现不可接受的毒性或疾病进展。
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。
