Ruxolitinib联合术前化疗治疗三阴性炎性乳腺癌
该数据集来自clinicaltrials.gov,聚焦复发性与转移性乳腺癌,研究Ruxolitinib联合每周紫杉醇治疗晚期或转移性乳腺癌的最大耐受剂量,并据此开展三阴性炎性乳腺癌的术前II期研究

基本信息
资源简介
Ruxolitinib联合术前化疗治疗三阴性炎性乳腺癌
该数据集来自clinicaltrials.gov,聚焦复发性与转移性乳腺癌,研究Ruxolitinib联合每周紫杉醇治疗晚期或转移性乳腺癌的最大耐受剂量,并据此开展三阴性炎性乳腺癌的术前II期研究。数据覆盖剂量递增(标准3+3设计)与剂量限制性毒性评估,可用于药物剂量探索、毒性预测及术前治疗策略研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:复发性乳腺癌、转移性乳腺癌。本研究分为两个阶段。I期阶段的目标是确定Ruxolitinib与标准剂量紫杉醇每周联合给药治疗晚期或转移性乳腺癌时的最大剂量(MTD)。三名受试者将接受Ruxolitinib 10 mg口服每日两次联合每周紫杉醇的剂量。若治疗6周(两个周期)后未见剂量限制性毒性,则采用标准3+3设计递增Ruxolitinib剂量,直至2名受试者出现剂量限制性毒性(DLT)。低于DLT的剂量被确定为MTD,该Ruxolitinib剂量将用于三阴性IBC的II期术前研究。在第1周期中,受试者每周来诊所。每次访视时,受试者将接受体格检查,并被询问有关
【主题与分类】
主题标签:Recurrent Breast Cancer、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/NCT02041429
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/NCT02041429
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:复发性乳腺癌、转移性乳腺癌。本研究分为两个阶段。I期的目的是确定Ruxolitinib与标准剂量紫杉醇联合使用时的最大剂量(MTD),紫杉醇每周给药一次,用于晚期或转移性乳腺癌。将纳入三名受试者,接受Ruxolitinib 10 mg口服每日两次联合每周紫杉醇治疗。若治疗6周(两个周期)后未见剂量限制性毒性,则采用标准3+3设计递增Ruxolitinib剂量,直至2名受试者出现剂量限制性毒性(DLT)。低于DLT的剂量被指定为MTD,该Ruxolitinib剂量将用于三阴性炎性乳腺癌的II期术前研究。在第1周期期间,受试者将每周来诊所。每次访视时,受试者将接受体格检查,并被询问有关总体健康状况的问题以及有关受试者可能因任何药物而出现的任何问题的具体问题。
在参与者开始使用鲁索替尼之前、第2周期第1天、第3周期第1天以及研究结束时,将额外抽取约2-3汤匙血液用于研究性血液检测。由于这些检测是出于研究目的而进行,其临床实用性尚不明确,因此参与者不会收到这些检测的结果。研究者将每2个周期通过CT扫描或MRI评估参与者的肿瘤。此外,如果参与者有可见或可触及(可摸到)的肿瘤,则将由参与者的研究医生在门诊进行测量。如果参与者有骨癌病史或疑似骨癌,则在参与者开始使用鲁索替尼之前将进行骨扫描。如果参与者的研究医生认为临床需要,骨扫描可每2个周期重复一次并在研究结束时进行。否则,无需重复。可能会对参与者的肿瘤拍照,以评估肿瘤对治疗的反应。
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。




