评估ctDNA肿瘤分数检测HR+/HER2-转移性乳腺癌ESR1突变的前瞻性研究
该数据集来自clinicaltrials.gov,属于肿瘤/乳腺癌分类,聚焦HR+/HER2-转移性乳腺癌。研究前瞻性安排参与者在方案定义的临床决策点接受FoundationOne® Liquid CDx(F1LCDx)ctDNA检测;对ctDNA肿瘤分数低于1%且ESR1突变阴性的不确定阴性结果,

基本信息
资源简介
评估ctDNA肿瘤分数检测HR+/HER2-转移性乳腺癌ESR1突变的前瞻性研究
该数据集来自clinicaltrials.gov,属于肿瘤/乳腺癌分类,聚焦HR+/HER2-转移性乳腺癌。研究前瞻性安排参与者在方案定义的临床决策点接受FoundationOne® Liquid CDx(F1LCDx)ctDNA检测;对ctDNA肿瘤分数低于1%且ESR1突变阴性的不确定阴性结果,安排反射组织活检NGS(除非医学上不安全)。方案不强制治疗选择,所有研究相关程序在常规临床访视时进行,无需额外访视;对算法检出的ESR1突变参与者进行最长2年的电子病历系列审查,追踪后续治疗模式、进展事件和生存状态(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:乳腺癌、转移性乳腺癌、HR+/HER-转移性乳腺癌。参与者被前瞻性分配至在方案定义的临床决策点接受FoundationOne® Liquid CDx(F1LCDx)的ctDNA检测。F1LCDx结果不确定为阴性(ctDNA TF<1%且ESR1mut阴性)的参与者,被分配接受反射组织活检NGS,除非被认定医学上不安全。方案不强制治疗选择;治疗临床医生保留完全的治疗裁量权。所有研究相关程序将在标准护理临床访视时进行。除常规护理外无需额外访视。对于算法检测到的ESR1突变参与者,将进行长达2年的系列电子病历审查,以追踪后续治疗模式、进展事件和生存状态至
【主题与分类】
主题标签:Breast Cancer、Metastatic Breast Cancer、HR+/HER- Metastatic Breast Cancer。本站分类:肿瘤/乳腺癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07910565
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/NCT07910565
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:乳腺癌、转移性乳腺癌、HR+/HER-转移性乳腺癌。参与者被前瞻性分配至在方案定义的临床决策点接受FoundationOne® Liquid CDx(F1LCDx)ctDNA检测。F1LCDx结果为不确定阴性(ctDNA TF<1%且ESR1mut阴性)的参与者被分配接受反射性组织活检NGS,除非医学上认为不安全。方案不强制要求选择治疗方案;治疗临床医生对治疗保留完全自主决定权。所有研究相关程序将在标准治疗临床访视时进行。无需在常规诊疗之外额外访视。对于算法检测到ESR1突变的参与者,将进行长达2年的系列电子病历审查,以追踪后续治疗模式、进展事件和生存状态,从而评估与历史临床试验基准相比,后续基于SERD的方案相关的其他临床结局。
本研究将指导在液体活检ESR1突变阴性结果不明确后获取新组织标本的临床决策,这是确保准确检测可操作突变并选择最合适靶向治疗的关键步骤。
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。




