评估阿育吠陀口服大麻在乳腺癌与头颈癌中的安全性
该数据集来自 clinicaltrials.gov,聚焦于评估阿育吠陀口服大麻在乳腺癌与口腔癌中的安全性。源站描述指出,源自 Cannabis sativa 的古老阿育吠陀药物近期被重新探索其抗炎与抗癌潜力,多项实验室与临床前研究已证实其抗癌活性及对癌症标志性特征的作用

基本信息
资源简介
评估阿育吠陀口服大麻在乳腺癌与头颈癌中的安全性
该数据集来自 clinicaltrials.gov,聚焦于评估阿育吠陀口服大麻在乳腺癌与口腔癌中的安全性。源站描述指出,源自 Cannabis sativa 的古老阿育吠陀药物近期被重新探索其抗炎与抗癌潜力,多项实验室与临床前研究已证实其抗癌活性及对癌症标志性特征的作用。个案临床证据显示服用此类药用大麻可使肿瘤消退,一项针对多形性胶质母细胞瘤的随机对照试验表明,替莫唑胺联合名为 Sativex 的大麻喷雾可改善无病生存期。但由于缺乏系统性大规模研究,证据进展缓慢。该数据可用于肿瘤安全性评估相关研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:乳腺癌、口腔癌。源自 Cannabis sativa 植物的古老阿育吠陀药物近期因其抗炎和抗癌潜力被重新探索。多项实验室和临床前研究已证明其抗癌活性及其对癌症所有标志性特征的作用。个案临床证据显示,摄入此类药用大麻可使肿瘤消退。一项针对多形性胶质母细胞瘤(一种脑肿瘤)的随机对照试验显示,替莫唑胺联合名为 Sativex 的大麻喷雾可改善无病生存期。然而,由于缺乏系统性、大规模研究,证据进展缓慢。我们此前通过转录组分析观察到肿瘤组织内与 NF-kb(炎症)和 AP1(急性缺氧/应激)通路基因相关的变化(尚未发表的数据)。
【主题与分类】
主题标签:Breast Cancer、Oral Cancer。本站分类:肿瘤/乳腺癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT05969314
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/NCT05969314
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:乳腺癌、口腔癌。源自大麻植物的古老阿育吠陀药物近期因其抗炎和抗癌潜力而被重新探索。多项实验室和临床前研究已证实其抗癌活性及其对癌症所有标志性特征的影响。个案临床证据显示,摄入此类药用大麻可使肿瘤消退。一项针对多形性胶质母细胞瘤(一种脑肿瘤)的随机对照试验表明,将替莫唑胺与名为Sativex的大麻喷雾剂联合使用时,无病生存期有所改善。然而,由于缺乏系统性、大规模的研究,证据的出现较为缓慢。我们此前通过转录组分析已观察到肿瘤组织内与NF-kb(炎症)和AP1(急性缺氧/应激)通路基因相关的变化(尚未发表的数据)。有实验室证据表明,手术期间AP1通路诱导的变化可通过大麻治疗得到改善。我们打算在乳腺癌和头颈癌患者的术前环境中探索C sativa草药制剂的这种抗癌潜力。
因此,我们提议进行一项一期研究,旨在评估一种含5毫克THC:CBD 1:1配方的阿育吠陀制剂的药代动力学可利用度及其安全性和耐受性特征。除药代动力学特征外,我们还将研究其对乳腺及头颈部口腔鳞状细胞癌组织基因表达谱的影响。
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。




