SMP-656治疗HER2阳性晚期乳腺癌数据集
该数据集来源于clinicaltrials.gov,聚焦HER2阳性不可切除局部晚期或转移性乳腺癌患者。这些患者在接受过HER2靶向拓扑异构酶抑制剂ADC治疗后出现疾病进展

基本信息
资源简介
SMP-656治疗HER2阳性晚期乳腺癌数据集
该数据集来源于clinicaltrials.gov,聚焦HER2阳性不可切除局部晚期或转移性乳腺癌患者。这些患者在接受过HER2靶向拓扑异构酶抑制剂ADC治疗后出现疾病进展。试验为随机、开放标签、剂量优化的II期临床试验,评估单药SMP-656的疗效与安全性,计划入组约45-60名受试者,随机分配至2.0 mg/kg和2.2 mg/kg两个剂量组。数据可用于分析不同剂量下的治疗反应与安全性,支持乳腺癌精准治疗研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:HER2阳性乳腺癌、转移性乳腺癌、局部晚期乳腺癌(LABC)。这是一项随机、开放标签、剂量优化的II期临床试验,旨在评估单药SMP-656在既往接受过HER2靶向拓扑异构酶抑制剂ADC治疗后进展的HER2阳性不可切除局部晚期或转移性乳腺癌患者中的疗效和安全性。试验计划入组约45-60名受试者。符合条件的受试者必须已接受过一种HER2靶向拓扑异构酶抑制剂ADC(例如DS-8201或其他具有拓扑异构酶抑制剂载荷的ADC)并出现疾病进展(单药内分泌治疗除外)。根据I期数据选择两个剂量队列:2.0 mg/kg和2.2 mg/kg。受试者将按1:1随机分配至各剂量队列,第一阶段每个队列入组15名受试者。一项中期分析
【主题与分类】
主题标签:HER2-positive Breast Cancer、Metastatic Breast Cancer、Locally Advanced Breast Cancer (LABC)。本站分类:肿瘤/乳腺癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07726342
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/NCT07726342
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
适应症:HER2阳性乳腺癌、转移性乳腺癌、局部晚期乳腺癌(LABC)。这是一项随机、开放标签、剂量优化的II期临床试验,旨在评估单药SMP-656在既往接受过HER2靶向拓扑异构酶抑制剂ADC治疗后进展的HER2阳性不可切除局部晚期或转移性乳腺癌患者中的疗效和安全性。该试验计划入组约45-60名受试者。符合条件的受试者必须既往接受过一种HER2靶向拓扑异构酶抑制剂ADC(例如DS-8201或其他载荷为拓扑异构酶抑制剂的ADC)治疗并出现疾病进展(单药内分泌治疗除外)。根据I期数据选择两个剂量队列:2.0 mg/kg和2.2 mg/kg。受试者将按1:1随机分配至各剂量队列,第1阶段每个队列入组15名受试者。第1阶段入组完成后将进行中期分析:1.
若发现队列间在安全性/有效性方面存在具有统计学显著性的差异,且该差异对风险-获益评估产生实质性影响,则较差队列将被关闭,较优队列将额外入组15名受试者以完成试验。2. 若未观察到有意义的队列间差异,则继续按1:1随机化,每队列额外入组15名受试者。研究产品将每3周静脉给药一次(Q3W)。所有参与者将接受长期治疗,直至首次发生以下任一事件:不可耐受的毒性、疾病进展(由研究者判定进一步治疗无法提供临床获益)、失访、死亡、自愿退出或研究完成/试验提前终止,以先发生者为准。本试验将设立安全审查委员会(SRC)。根据期中分析评估结果,SRC应判断并确定各剂量组的进一步研究,并就关键临床试验剂量作出决策。本研究包括筛选期(从
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。




