早期乳腺癌中抗孕激素米非司酮的术前检测
研究次要目标包括测量治疗后的肿瘤大小客观缓解、确立短期米非司酮暴露在早期乳腺癌患者中的安全性与耐受性,以及开展药物暴露后相关靶点表达的探索性研究

基本信息
资源简介
早期乳腺癌中抗孕激素米非司酮的术前检测
该数据集来自 clinicaltrials.gov,聚焦早期乳腺癌中抗孕激素米非司酮的术前检测,覆盖 Invasive Breast Cancer 与 Ductal Carcinoma in Situ 两类受试人群。研究次要目标包括测量治疗后的肿瘤大小客观缓解、确立短期米非司酮暴露在早期乳腺癌患者中的安全性与耐受性,以及开展药物暴露后相关靶点表达的探索性研究。数据可用于评估内分泌治疗背景下抗孕激素干预的疗效与安全性,并支持相关靶点表达的分析与预测建模(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:Invasive Breast Cancer、Ductal Carcinoma in Situ。本研究的次要目标包括:(1)测量治疗后肿瘤大小的客观缓解,(2)确立短期米非司酮暴露在早期乳腺癌患者中的安全性与耐受性,(3)开展药物暴露后相关靶点表达的探索性研究。抗雌激素治疗作为乳腺癌治疗的主要手段已超过三十年。它非常有效且毒性适中,当然是与化疗相比。选择性雌激素受体调节剂 tamoxifen 的历史最长,但多种芳香化酶抑制剂和抗雌激素 fulvestrant 也被广泛使用,同时绝经前女性还采用卵巢消融。鉴于这种方法的成功,以及高度类似的平行孕激素信号,不幸的是
【主题与分类】
主题标签:Invasive Breast Cancer、Ductal Carcinoma in Situ。本站分类:肿瘤/乳腺癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT01138553
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/NCT01138553
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:浸润性乳腺癌、导管原位癌。本研究的次要目标包括:(1)测量治疗下肿瘤大小的客观缓解,(2)确立早期乳腺癌患者短期暴露于米非司酮的安全性和耐受性,以及(3)进行药物暴露后相关靶点表达的探索性研究。抗雌激素治疗作为乳腺癌治疗的基石已超过三十年。其疗效显著且毒性适中,尤其是与化疗相比。选择性雌激素受体调节剂他莫昔芬应用历史最长,但多种芳香化酶抑制剂和抗雌激素药物氟维司群也广泛使用,同时针对绝经前女性还采用卵巢消融术。鉴于这种方法的成功,以及高度类似的平行孕激素信号,遗憾的是抗孕激素治疗并未得到类似的研究。此外,妇女健康倡议试验的数据揭示了孕激素在乳腺癌发生和发展中可能扮演的重要角色。
健康的绝经后女性接受雌激素和孕激素联合治疗5年,发生浸润性乳腺癌的可能性增加24%,且诊断时肿瘤更大。值得注意的是,在接受单纯雌激素治疗近7年的子宫切除术后女性中未见此效应。事实上,单纯雌激素治疗观察到乳腺癌发病率非统计学显著性的降低。抗孕激素药物米非司酮已被发现可减少正常乳腺组织的增殖。即使低剂量米非司酮(50mg,隔日一次,持续3个月)也显示出乳腺细胞增殖(通过Ki-67免疫组化检测)统计学显著性的降低。更高剂量的米非司酮,每日200mg,已用于转移性乳腺癌患者,持续近2年,未出现严重毒性。缓解率仅为11%,但未发生4级或5级毒性。因此
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。




