Ritonavir 对新诊断乳腺癌手术女性生物标志物的影响
该数据集来自 clinicaltrials.gov,聚焦新诊断乳腺癌女性手术中 Ritonavir 对生物标志物的影响。研究为多中心 I 期剂量递增试验,原计划后续开展 II 期但未推进

基本信息
资源简介
Ritonavir 对新诊断乳腺癌手术女性生物标志物的影响
该数据集来自 clinicaltrials.gov,聚焦新诊断乳腺癌女性手术中 Ritonavir 对生物标志物的影响。研究为多中心 I 期剂量递增试验,原计划后续开展 II 期但未推进。覆盖 ER+/HER2-、ER+/HER2+、ER-/HER2+、ER-/PR+/HER2-、ER-/PR-/HER2- 等亚型,评估 Akt 活性、UPR、Ki67 LI、ROS 及最大耐受剂量。可用于乳腺癌药物反应与生物标志物关联的探索性分析(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:乳腺癌。目标: 在三阴性乳腺癌模型中确定 ritonavir 对 Akt 活性、UPR、Ki67 LI 和 ROS 的影响。 确定 ritonavir 在新诊断乳腺癌女性中的最大耐受剂量。(I 期 - 入组完成)概要:这是一项多中心、I 期剂量递增研究,随后进行 II 期研究。*注意:该试验从未推进到 II 期。对照组 - 在 I 期招募开始前入组五名雌激素受体阳性(ER+)和人表皮生长因子受体 2 阴性(HER2-)乳腺癌患者。I 期组 - 将入组十二名具有以下任一情况的乳腺癌患者:1)ER+、HER2-,或 2)ER+、HER2+,或 3)ER-、HER2+,或 4)ER-、PR+、HER2-,或 5)ER-、PR-、HER2-,用于剂量递增研究。II 期组 - 将入组十九名 ER+、HER2- 患者,用于 ritonavir 药代
【主题与分类】
主题标签:Breast Cancer。本站分类:肿瘤/乳腺癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT01009437
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/NCT01009437
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。目的:* 在三阴性乳腺癌模型中确定利托那韦对Akt活性、UPR、Ki67 LI和ROS的影响。* 确定利托那韦在新诊断乳腺癌女性中的最大耐受剂量。(I期 - 入组已完成)概要:这是一项多中心、I期剂量递增研究,随后进行II期研究。注:该试验从未推进至II期。对照组 - 在I期招募开始前,入组五名雌激素受体阳性(ER+)和人表皮生长因子2阴性(HER2-)乳腺癌患者。I期组 - 将入组十二名乳腺癌患者,其条件为1)ER+、HER2-,或2)ER+、HER2+,或3)ER-、HER2+,或4)ER-、PR+、HER2-,或5)ER-、PR-、HER2-,进行剂量递增研究。II期组 - 在确定最大耐受剂量(MTD)后,将入组十九名ER+、HER2-患者进行利托那韦药代动力学研究。 对照:患者不接受利托那韦。* I期和II期:在没有疾病进展或不可接受的毒性的情况下,患者每天两次口服利托那韦,持续5天。
随后,患者根据外科医生认为适当的情况及患者个人意愿接受手术(乳房切除术或肿块切除术,并可能伴随前哨淋巴结活检和/或腋窝淋巴结清扫)。所有患者定期进行血液和组织样本采集,用于生物标志物研究。对照组成员提供的样本将与I期和II期研究参与者的样本进行对比分析。
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。
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。




