伏美替尼联合铂类双药化疗对比奥希替尼治疗EGFR敏感突变阳性非鳞非小细胞肺癌伴脑转移患者的研究
该数据集来自clinicaltrials.gov,聚焦于EGFR敏感突变阳性非鳞状非小细胞肺癌(NSCLC)伴脑转移患者

基本信息
资源简介
伏美替尼联合铂类双药化疗对比奥希替尼治疗EGFR敏感突变阳性非鳞非小细胞肺癌伴脑转移患者的研究
该数据集来自clinicaltrials.gov,聚焦于EGFR敏感突变阳性非鳞状非小细胞肺癌(NSCLC)伴脑转移患者。研究为III期、国际多中心、随机、对照、开放标签临床试验,主要评估Furmonertinib联合铂类双药化疗(A组)对比Osimertinib单药(B组)的疗效与安全性,并设C组接受Furmonertinib单药以进一步探索。第一阶段为安全导入期,计划入组约30例受试者,按1:1随机接受Furmonertinib 80 mg QD或160 mg QD联合铂类化疗,评估不同剂量Furmonertinib的安全性与耐受性。可用于肺癌脑转移治疗方案的疗效与安全性研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:伴脑转移的NSCLC患者。本研究是一项III期、国际、多中心、随机、对照、开放标签临床试验。主要目的是评估Furmonertinib联合铂类双药化疗(A组)对比Osimertinib单药(B组)在EGFR敏感突变阳性非鳞状非小细胞肺癌(NSCLC)伴脑转移患者中的疗效和安全性。此外,一部分受试者将接受Furmonertinib单药治疗(C组),以进一步探索其疗效和安全性特征。第一阶段为安全导入期,计划入组约30例受试者,按1:1比例随机接受Furmonertinib 80 mg QD联合铂类化疗或Furmonertinib 160 mg QD联合铂类化疗,旨在评估不同Furmonertinib剂量的安全性和耐受性。
【主题与分类】
主题标签:NSCLC Patients With Brain Metastasis。本站分类:肿瘤/肺癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT06970639
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/NCT06970639
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:伴有脑转移的NSCLC患者。本研究是一项III期、国际、多中心、随机、对照、开放标签临床试验。主要目的是评估伏美替尼联合铂类双药化疗(A组)对比奥希替尼单药治疗(B组)在EGFR敏感突变阳性的非鳞状非小细胞肺癌(NSCLC)伴脑转移患者中的疗效和安全性。此外,一部分受试者将接受伏美替尼单药治疗(C组),以进一步探索其疗效和安全性特征。第1阶段为安全性导入期,计划入组约30名受试者,按1:1比例随机接受伏美替尼80 mg每日一次联合铂类化疗或伏美替尼160 mg每日一次联合铂类化疗,旨在评估不同剂量伏美替尼联合铂类化疗的安全性和耐受性。第2阶段为随机对照期,约350名受试者将按3:3:1比例(A组:B组:C组)随机接受研究治疗。
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。




