ADC作为乳腺癌一线和二线治疗的前瞻性登记研究

数据集获取

源站：https://clinicaltrials.gov/study/NCT06774027

标准获取流程：

1. 访问源站链接，注册/登录账号；
2. 进入数据集详情页，按页面指引申请权限或直接下载；
3. 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。

数据说明

疾病条件：HER2阴性乳腺癌、HER2阴性乳腺癌、转移性乳腺癌、HR+ HER2乳腺癌、转移性三阴性乳腺癌、转移性三阴性乳腺癌。

主要目标：
I. 研究者评估的常规诊疗下第一线ADC（ADC1）的真实世界无进展生存期（rwPFS）。
II. 研究者评估的常规诊疗下第二线ADC（ADC2）的真实世界无进展生存期（rwPFS）。

次要目标：
I. 通过缓解持续时间（DOR）、最佳总体缓解（BOR）、疾病控制率（DCR）和总生存期（OS）评估ADC1和ADC2的疗效。
II. 通过病历审查评估ADC1和ADC2的关键安全性参数。

探索性目标：
I. 评估/识别ADC应答/耐药的相关生物标志物（例如，循环肿瘤DNA（ctDNA）、循环肿瘤细胞（CTC）和组织空间相关性）。
II. 评估每种ADC的患者报告结局（PROs）。

研究概要：参与者在接受ADC1和/或ADC2常规诊疗期间，将进行病历审查并采集生物样本。

在最后一剂ADC2给药后，参与者将继续通过每12周一次的病历审查进行生存数据收集，最长持续2年。

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。