阿昔替尼治疗上呼吸消化道复发/转移性涎腺癌 - SGC-AX14
该数据集来自 clinicaltrials.gov,主题为阿昔替尼用于上呼吸消化道复发或转移性涎腺癌(SGC-AX14)

基本信息
资源简介
阿昔替尼治疗上呼吸消化道复发/转移性涎腺癌 - SGC-AX14
该数据集来自 clinicaltrials.gov,主题为阿昔替尼用于上呼吸消化道复发或转移性涎腺癌(SGC-AX14)。涎腺癌罕见,占头颈部恶性肿瘤不足 1%,包含 20 多种恶性组织学类型,可发生于大、小涎腺,具局部侵袭性,常累及面神经、皮肤、骨及周围软组织。标准治疗为手术切除,部分高危组织学类型、晚期及颈部淋巴结扩散病例辅以放疗。局部区域复发率为 16% 至 85%,预后较差。转移患者中最常见组织学类型为腺样囊性癌(ACC,占 60%)。数据可用于该罕见肿瘤治疗与预后相关研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:涎腺癌。涎腺癌(SGCs)罕见(占所有头颈部癌症不足 1%,包括 20 多种恶性组织学类型)。它们可发生于大涎腺和小涎腺,具有局部侵袭性,表现出侵袭性,导致面神经、皮肤、骨和周围软组织受累。标准治疗是手术切除,在特定病例(如高级别组织学类型、晚期疾病和颈部淋巴结扩散)中随后进行放疗。局部区域复发发生于 16% 至 85%,在极少数特定病例中可通过进一步手术和/或放疗进行管理,尽管这些患者的预后仍然很差。腺样囊性癌(ACC)是转移受试者中最常见的 SGC 组织学类型(60%),而其他组织学类型(非 ACC),如黏液表皮样癌(MEC),
【主题与分类】
主题标签:Salivary Gland Cancers。本站分类:肿瘤/肺癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT02857712
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/NCT02857712
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:唾液腺癌。唾液腺癌(SGCs)较为罕见(占所有头颈部癌症的不到1%,包含20多种恶性组织学类型)。它们可发生于大唾液腺和小唾液腺,具有局部侵袭性,可侵犯面神经、皮肤、骨骼及周围软组织。标准治疗为手术切除,对于高级别组织学类型、晚期疾病及颈部淋巴结扩散等特定病例,术后辅以放疗。局部区域复发率为16%至85%,在极少数特定病例中可通过进一步手术和/或放疗进行管理,尽管这些患者的预后仍然较差。腺样囊性癌(ACC)是转移性患者中最常见的SGC组织学类型(60%),而其他组织学类型(非ACC),如黏液表皮样癌(MEC)、唾液导管癌、腺癌、肌上皮癌则较为少见。远处转移是治疗失败的主要原因,25%-55%的患者被诊断出远处转移。仅有20%的远处转移患者生存至5年。
一线治疗是姑息性化疗,通常缺乏可靠数据表明其在缓解率或结局方面有任何获益。最近,一项针对37名受试者(19例ACC和18例非ACC)的复发性和/或转移性SGC的索拉非尼II期试验已经开展。有趣的是,观察到16%的缓解率(95% CI 6.2-32.0),其中ACC为11%,非ACC为22%,两例高级别MEC患者表现出显著缓解。在一例中,转移性病变发展为空洞,正如抗血管生成药物所观察到的那样。在临床前模型中,VEGF似乎促进SGC的肿瘤侵袭性以及远处转移,特别是在ACC和MEC中。值得注意的是,在一项使用Inlyta®的I期研究中,36名患者中观察到三例确认的部分缓解,分别为一例ACC、一例肾癌和一例肺癌。
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。




