高危HR+/HER2-乳腺癌术后放疗联用Ribociclib研究
该数据集来自clinicaltrials.gov，收录一项针对高危、HR+/HER2-乳腺癌患者的研究信息，考察Ribociclib与术后辅助放疗同期给药时的安全性、耐受性和剂量
基本信息
资源简介
高危HR+/HER2-乳腺癌术后放疗联用Ribociclib研究
该数据集收录自 clinicaltrials.gov，主题为一项针对高危、HR+/HER2-乳腺癌患者的临床研究信息，考察 CDK4/6 抑制剂 Ribociclib 与术后辅助放疗同期给药时的安全性、耐受性和剂量。数据集归类于肿瘤 / 乳腺癌方向，主题标签为 Breast Cancer。其核心价值在于为关注乳腺癌术后辅助治疗策略、特别是内分泌靶向药物与放疗联合方案的研究者与临床人员，提供该研究的设计与给药安排等结构化信息，便于检索、比对与二次利用。
【数据集背景】
高危、激素受体阳性（HR+）、HER2 阴性（HER2-）乳腺癌患者的术后辅助治疗是临床关注的重点方向。Ribociclib 作为一种用于 HR+/HER2- 乳腺癌的靶向治疗药物，其与术后放疗同期使用时的安全性、耐受性与合适剂量尚需专门研究加以明确。该数据集所对应的研究即围绕这一临床问题展开，旨在确定 Ribociclib 与辅助放疗联合应用于高危 ER+ 乳腺癌女性患者时的安全性、耐受性和剂量，为后续临床实践与相关研究提供依据。
【数据内容】
数据集描述了一项乳腺癌临床研究的信息，涉及的研究条件为 Breast Cancer。研究目的为确定 Ribociclib 与辅助放疗联合用于高危 ER+ 乳腺癌女性患者时的安全性、耐受性和剂量。根据源站描述，患者入组后即开始每日服用 Ribociclib 400 mg，同时启动标准护理的辅助放疗，放疗方案为 50 Gy 分 25 次或 42.56 Gy 分 16 次，可加 10 Gy 推量（boost），并包括全面的淋巴结照射。患者继续接受 Ribociclib 治疗最长 6 周。上述内容构成了该数据集在治疗方案与给药安排方面的主要信息。
【采集与来源】
该数据集来源于 clinicaltrials.gov，属于临床试验注册信息类数据。其内容围绕一项乳腺癌临床研究，收录了研究条件、研究目的以及治疗与给药安排等描述性信息。数据集的分类归属为肿瘤 / 乳腺癌，主题标签为 Breast Cancer。
【适用场景】
该数据集适用于肿瘤学特别是乳腺癌领域的研究与信息检索场景，可供关注 HR+/HER2- 乳腺癌术后辅助治疗的研究人员、临床医生及相关从业人员参考，用于了解 Ribociclib 与术后辅助放疗同期给药这一联合方案的研究设计与给药安排。也可用于临床研究信息的汇总、比对以及相关文献检索时的背景资料获取。
【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/NCT05996107
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：乳腺癌。本研究的目的是确定Ribociclib联合辅助放疗在高危ER+乳腺癌女性中的安全性、耐受性和剂量。入组研究后，患者将在开始标准辅助放疗的同时开始每日400 mg Ribociclib治疗——50 Gy分25次或42.56 Gy分16次±10 Gy加量，包括全面淋巴结照射。患者将继续接受Ribociclib治疗最多6周。
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。
