Sacituzumab Govitecan治疗HER2阴性乳腺癌脑转移患者的试验
该数据集来自clinicaltrials.gov,聚焦于HER2阴性转移性乳腺癌伴脑转移患者,评估sacituzumab govitecan(IMMU-132)的颅内客观缓解率(ORR),并考察双腔室无进展生存期、总生存期、安全性与耐受性,以及按激素受体亚组(HR+、HR-)的ORR

基本信息
资源简介
Sacituzumab Govitecan治疗HER2阴性乳腺癌脑转移患者的试验
该数据集来自clinicaltrials.gov,聚焦于HER2阴性转移性乳腺癌伴脑转移患者,评估sacituzumab govitecan(IMMU-132)的颅内客观缓解率(ORR),并考察双腔室无进展生存期、总生存期、安全性与耐受性,以及按激素受体亚组(HR+、HR-)的ORR。数据可用于分析该药物在脑转移人群中的疗效与安全性,支持预后预测和亚组差异研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:解剖学IV期乳腺癌AJCC v8、浸润性乳腺癌、转移性HER2阴性乳腺癌、脑转移性恶性肿瘤、预后IV期乳腺癌AJCC v8。主要目标:I. 评估sacituzumab govitecan(IMMU-132)在HER2阴性转移性乳腺癌伴脑部受累患者中的颅内客观缓解率(ORR)(根据神经肿瘤脑转移反应评估[RANO-BM]的完全缓解[CR]或部分缓解[PR])。次要目标:I. 评估该人群的双腔室无进展生存期。II. 评估该人群的总生存期。III. 评估sacituzumab govitecan(IMMU-132)治疗在该人群中的安全性和耐受性。IV. 按激素受体(HR)亚组(HR+、HR-)评估ORR。生物样本库目标:I. 将标本储存以供未来
【主题与分类】
主题标签:Anatomic Stage IV Breast Cancer AJCC v8、Invasive Breast Carcinoma。本站分类:肿瘤/乳腺癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT04647916
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/NCT04647916
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
疾病状态:AJCC第8版解剖学分期IV期乳腺癌、浸润性乳腺癌、转移性HER2阴性乳腺癌、转移性脑恶性肿瘤、AJCC第8版预后分期IV期乳腺癌。主要目的:I. 评估sacituzumab govitecan(IMMU-132)在伴有脑部受累的HER2阴性转移性乳腺癌患者中的颅内客观缓解率(ORR)(根据神经肿瘤脑转移反应评估[RANO-BM]标准的完全缓解[CR]或部分缓解[PR])。次要目的:I. 评估该人群的双腔室无进展生存期。II. 评估该人群的总生存期。III. 评估sacituzumab govitecan(IMMU-132)治疗在该人群中的安全性和耐受性。IV. 按激素受体(HR)亚组(HR+、HR-)评估ORR。样本储存目的:I. 储存标本以供未来相关性研究使用。方案概要:患者在第1天和第8天接受sacituzumab govitecan静脉注射(IV),输注时间为1-3小时。在无疾病进展或不可接受的毒性情况下,每21天重复一个周期,最长持续2年。
研究注册完成后,患者在第一年内每3个月随访一次,随后一年内每6个月随访一次。
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。千方医数集依托陕川双基地与超十家三甲医院直连,提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。




