M4344联合Niraparib研究
该数据集来自clinicaltrials.gov，收录M4344联合Niraparib的临床研究信息，覆盖晚期实体瘤与乳腺癌
基本信息
资源简介
M4344联合Niraparib研究
该数据集英文名为 Study of M4344 in Combination With Niraparib，来源于 clinicaltrials.gov，本站将其归类为肿瘤 / 乳腺癌方向。数据集围绕 M4344 与 Niraparib 联合用药的临床研究展开，覆盖晚期实体瘤与乳腺癌两类主题标签。根据源站描述，该研究分为三个部分：第一部分旨在确定 M4344（一种共济失调毛细血管扩张突变和 Rad3 相关激酶，即 ATR 抑制剂）与 niraparib 联合用于晚期实体瘤受试者时的最大耐受剂量（MTD）和推荐扩展剂量（RDE）；第二、三部分则旨在为 ATR 抑制剂与聚（ADP-核糖）聚合酶（PARP）抑制剂在特定晚期乳腺癌（aBC）人群中经临床前预测的协同疗效提供临床概念验证，这些人群携带 DDR 突变且存在未满足的医疗需求。整体而言，该数据集收录的是这一联合用药临床研究的相关信息，服务于肿瘤治疗领域的临床研究与药物开发参考。
【数据集背景】
该数据集聚焦于肿瘤治疗领域的临床研究，具体针对晚期实体瘤与乳腺癌。源站描述指出，研究涉及 M4344 这一 ATR 抑制剂与 niraparib 的联合使用。ATR 与 PARP 抑制剂在临床前研究中被预测具有协同疗效，本研究正是围绕这一预测在人体中展开验证。研究设计分为三个部分，第一部分关注剂量探索，第二、三部分关注疗效概念验证，体现了从安全性剂量确定到临床获益探索的递进式研究思路。
【数据内容】
数据集收录的内容与上述临床研究相关，主题标签为 Advanced Solid Tumor 与 Breast Cancer。源站描述明确了研究的适应症范围包括晚期实体瘤与乳腺癌，并说明第二、三部分针对的是携带 DDR 突变、存在未满足医疗需求的特定晚期乳腺癌人群。研究第一部分的核心目标为确定 M4344 联合 niraparib 的最大耐受剂量与推荐扩展剂量；第二、三部分的核心目标为提供临床概念验证。关于数据集内具体包含的字段、记录条数、受试者数量等信息，源站未提供。
【采集与来源】
该数据集来源于 clinicaltrials.gov，本站分类为肿瘤 / 乳腺癌。源站描述提供了研究的条件、研究分期设计及各部分目标等信息。除来源站与源站描述所载内容外，关于数据采集的具体时间范围、采集方法、更新频率等信息，源站未提供。
【适用场景】
基于源站描述，该数据集可用于了解 M4344 与 niraparib 联合用药在晚期实体瘤与乳腺癌中的临床研究设计，包括剂量探索（MTD 与 RDE 确定）与疗效概念验证两个层面的研究目标。其主题标签有助于在肿瘤、乳腺癌相关研究中检索与归类。关于该数据集在药物研发、临床决策或学术研究中的具体应用方式，源站未提供。
【使用方法】
源站未提供。
【质量与限制】
源站未提供。
【引用与许可】
源站未提供。
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/NCT04655183
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：晚期实体瘤、乳腺癌。本研究将包括3个部分。第1部分旨在确定M4344（一种共济失调毛细血管扩张突变和Rad3相关[ATR]抑制剂）与尼拉帕利联合用于晚期实体瘤受试者的最大耐受剂量（MTD）和推荐扩展剂量（RDE）。第2和第3部分旨在为ATR和聚（ADP-核糖）聚合酶（PARP）抑制剂（PARPi）在存在DDR突变且医疗需求未得到满足的特定晚期乳腺癌（aBC）受试者人群中临床前预测的协同疗效提供临床概念验证。
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。千方医数集依托三甲直采网络，提供合规、去标识化、支持注册级质控的专病数据集交易服务。
