紫杉烷联合靶向治疗低危HER2阳性淋巴结阴性乳腺癌
该数据集来自 clinicaltrials.gov，聚焦 HER2 阳性且淋巴结阴性的乳腺癌患者，探索紫杉烷类化疗联合曲妥珠单抗靶向辅助治疗的疗效与安全性
基本信息
资源简介
紫杉烷联合靶向治疗低危HER2阳性淋巴结阴性乳腺癌
该数据集英文名为 Taxane Combined Targeted Therapy for Low-risk HER2 Positive and Lymph Node Negative Breast Cancer，本站归类为肿瘤 / 乳腺癌，来源为 clinicaltrials.gov，主题标签为 HER2-positive Breast Cancer。数据集聚焦 HER2 阳性且淋巴结阴性的乳腺癌患者，围绕紫杉烷类化疗联合曲妥珠单抗靶向辅助治疗，探索其疗效与安全性，旨在考察能否通过靶向治疗减少化疗强度，进而实现高效低毒的治疗策略。以下依据可获得的信息对该数据集作分段介绍。
【数据集背景】
HER2 阳性乳腺癌是一种恶性程度高、复发和转移风险高的分子亚型。HER2 靶向药物的应用极大改善了此类患者的预后与生存。目前，对于淋巴结阴性的 HER2 阳性乳腺癌患者，化疗药物联合曲妥珠单抗是现行标准治疗方案，且多数情况下化疗采用两种药物联合；而曲妥珠单抗与帕妥珠单抗的主要获益人群集中在淋巴结阳性患者群体。在此背景下，能否借助靶向治疗降低化疗强度、进一步实现高效低毒策略，成为该数据集所关注的核心问题。
【数据内容】
该数据集围绕紫杉烷类化疗联合曲妥珠单抗靶向辅助治疗的疗效与安全性展开，目标人群为 HER2 阳性且淋巴结阴性的低风险乳腺癌患者。数据集所属分类为肿瘤 / 乳腺癌，主题标签为 HER2-positive Breast Cancer。除上述主题与研究方向外，源站未提供具体的变量字段、样本量、随访指标等数据内容细节。
【采集与来源】
该数据集来源于 clinicaltrials.gov。源站描述中给出的疾病条件为 HER2-positive Breast Cancer，并说明了 HER2 阳性乳腺癌的分子亚型特征、现有标准治疗格局以及本研究所要探索的辅助治疗问题。除来源站与疾病条件外，源站未提供采集时间、采集方式、入排标准等更多采集信息。
【适用场景】
基于现有信息，该数据集适用于与 HER2 阳性、淋巴结阴性乳腺癌相关的辅助治疗研究场景，尤其是围绕紫杉烷类化疗联合曲妥珠单抗靶向治疗的疗效与安全性评价，以及探索降低化疗强度、实现高效低毒策略的分析场景。其他具体适用场景源站未提供。
【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/NCT06711055
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：HER2阳性乳腺癌。人表皮生长因子受体2（HER2）阳性乳腺癌是一种恶性程度高、复发转移风险高的分子亚型。HER2靶向药物极大地改善了此类患者的预后和生存。目前，对于淋巴结阴性的HER2阳性乳腺癌患者，化疗药物联合曲妥珠单抗是当前的标准治疗方案，且多数情况下化疗采用两种药物联合，而曲妥珠单抗和帕妥珠单抗的主要获益人群集中在淋巴结阳性患者组。能否通过靶向治疗减少化疗的进展，进一步实现高效低毒策略。探讨紫杉类化疗联合曲妥珠单抗靶向辅助治疗用于低危HER2阳性且淋巴结阴性早期乳腺癌的疗效和安全性。
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。
