PRE-ISPY I/II期肿瘤学平台项目
PRE-ISPY/I-SPY-P1为平台试验，含多个药物方案臂。每臂可有I期剂量探索、剂量扩展和/或II期部分。受试者资格因臂或部分而异，部分臂限定特定分子通路异常或组织学诊断，如转移性TNBC
基本信息
资源简介
PRE-ISPY I/II期肿瘤学平台项目
PRE-ISPY/I-SPY-P1为平台试验，含多个药物方案臂。每臂可有I期剂量探索、剂量扩展和/或II期部分。受试者资格因臂或部分而异，部分臂限定特定分子通路异常或组织学诊断，如转移性TNBC。目标12至18个月完成一个臂分析。涉及HER2阳性/阴性乳腺癌、转移性癌症/乳腺癌、HER2突变相关肿瘤、HER-2过表达、三阴性乳腺癌、HR阳性及激素/雌激素受体阳性肿瘤等（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：疾病状态：HER2阳性乳腺癌、转移性癌症、转移性乳腺癌、转移性、HER2阳性转移性乳腺癌、HER2突变相关肿瘤、HER-2蛋白过表达、HER2阴性乳腺癌。PRE-ISPY/I-SPY-P1研究是一项平台试验，设有多个正在进行的药物治疗方案组。每个药物治疗方案组可能设有I期剂量探索组（第1部分）、剂量扩展组（第2部分）和/或II期部分。受试者资格可能因研究组或研究组内的部分而异，包括在诊断方面。各研究组可能将入组限定于特定分子通路异常或组织学诊断（例如转移性TNBC或MRD CRC）。该试验允许采用多种研究组设计，目标是在12至18个月内完成对一个研究组的分析。
【主题与分类】
主题标签：HER2-positive Breast Cancer、Metastatic Cancer、Metastatic Breast Cancer、Metastatic、HER2-positive Metastatic Breast Cancer、HER2 Mutation-Related Tumors、HER-2 Protein Overexpression、HER2-negative Breast Cancer、Triple Negative Breast Cancer、HR Positive。本站分类：肿瘤/乳腺癌。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT05868226
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/NCT05868226
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
疾病状态：HER2阳性乳腺癌、转移性癌症、转移性乳腺癌、转移性、HER2阳性转移性乳腺癌、HER2突变相关肿瘤、HER-2蛋白过表达、HER2阴性乳腺癌。PRE-ISPY/I-SPY-P1研究是一项平台试验，设有多个正在进行的药物治疗方案组。每个药物治疗方案组可能设有I期剂量探索组（第1部分）、剂量扩展组（第2部分）和/或II期部分。受试者资格可能因研究组或研究组内的部分而异，包括在诊断方面。各研究组可能将入组限定于特定分子通路异常或组织学诊断（例如转移性TNBC或MRD CRC）。该试验允许采用多种研究组设计，目标是在12至18个月内完成对一个研究组的分析。
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。
