Suberoylanilide Hydroxamic Acid 治疗既往治疗无效的晚期实体瘤患者
覆盖白血病、淋巴瘤、多发性骨髓瘤与浆细胞肿瘤、前列腺癌、小肠癌及未明确的成人实体瘤等病种。研究目标包括确定 SAHA 的最大耐受剂量、评估其药代动力学特征,以及观察其对正常组织和肿瘤细胞的生物学效应

基本信息
资源简介
Suberoylanilide Hydroxamic Acid 治疗既往治疗无效的晚期实体瘤患者
该数据集来自 clinicaltrials.gov,聚焦于 Suberoylanilide Hydroxamic Acid(SAHA)在难治性恶性肿瘤患者中的剂量递增研究。覆盖白血病、淋巴瘤、多发性骨髓瘤与浆细胞肿瘤、前列腺癌、小肠癌及未明确的成人实体瘤等病种。研究目标包括确定 SAHA 的最大耐受剂量、评估其药代动力学特征,以及观察其对正常组织和肿瘤细胞的生物学效应。数据可用于分析剂量递增设计、药物安全性及药代动力学与疗效关系等方向(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:白血病、淋巴瘤、多发性骨髓瘤和浆细胞肿瘤、前列腺癌、小肠癌、未明确的成人实体瘤,方案特定。目标:I. 确定 suberoylanilide hydroxamic acid(SAHA)在难治性恶性肿瘤患者中的最大耐受剂量。II. 评估 SAHA 在这些患者中的药代动力学特征。III. 评估 SAHA 在这些患者中对正常组织和肿瘤细胞的生物学效应。概述:这是一项剂量递增研究。患者在第1-3天接受 suberoylanilide hydroxamic acid(SAHA)静脉注射,持续2小时。在没有疾病进展或不可接受的毒性情况下,每21天重复治疗,共8个疗程。加速阶段:每个剂量水平一名患者接受递增剂量的 SAHA,直到确定最大耐受剂量(MTD)。MTD 定义为患者
【主题与分类】
主题标签:Leukemia、Lymphoma、Prostate Cancer、Small Intestine Cancer。本站分类:肿瘤/白血病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT00005634
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/NCT00005634
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:白血病、淋巴瘤、多发性骨髓瘤及浆细胞肿瘤、前列腺癌、小肠癌、未明确的成人实体瘤、方案特定。
目的:I. 确定辛二酰苯胺异羟肟酸(SAHA)在难治性恶性肿瘤患者中的最大耐受剂量。II. 评估SAHA在这些患者中的药代动力学特征。III. 评估SAHA在这些患者中对正常组织和肿瘤细胞的生物学效应。
大纲:这是一项剂量递增研究。患者在第1-3天接受辛二酰苯胺异羟肟酸(SAHA)静脉注射,持续2小时。在无疾病进展或不可接受的毒性情况下,治疗每21天重复一次,共8个疗程。加速阶段:每个剂量水平的一名患者接受SAHA剂量递增,直至确定最大耐受剂量(MTD)。MTD定义为在首个疗程中患者经历2级或以上毒性(血红蛋白贫血除外),或当2名不同患者在任何治疗疗程中经历2级毒性(血红蛋白贫血除外)时所对应的前一个剂量。
标准阶段:3-6名患者组成的队列接受递增剂量的SAHA,直至确定最大耐受剂量(MTD)。MTD定义为6名患者中有2名出现剂量限制性毒性之前的剂量。预计入组人数:本研究预计招募约45名患者。
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。




