Carboxyamidotriazole联合Paclitaxel治疗晚期实体瘤或难治性淋巴瘤
该数据集来自clinicaltrials.gov，收录一项关于Carboxyamidotriazole联合Paclitaxel治疗晚期实体瘤或难治性淋巴瘤的临床试验信息
基本信息
资源简介
Carboxyamidotriazole联合Paclitaxel治疗晚期实体瘤或难治性淋巴瘤
该数据集来自clinicaltrials.gov，收录一项关于Carboxyamidotriazole联合Paclitaxel治疗晚期实体瘤或难治性淋巴瘤的临床试验信息。覆盖脑与中枢神经系统肿瘤、乳腺癌、肾癌、肺癌、淋巴瘤、黑色素瘤、卵巢癌、小肠癌及未指明成人实体瘤等病种。数据可用于研究联合用药的最大耐受剂量、药代动力学与毒性，并识别该方案可能有效的疾病类型，为肿瘤治疗方案的剂量探索与疗效预测提供参考（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：条件：脑与中枢神经系统肿瘤、乳腺癌、肾癌、肺癌、淋巴瘤、黑色素瘤（皮肤）、卵巢癌、小肠癌。目标： 确定Paclitaxel与Carboxyamidotriazole联合用于晚期实体瘤或难治性淋巴瘤患者时的最大耐受剂量。 确定该方案在这些患者中的药代动力学和毒性。* 识别该联合方案似乎对其有活性的疾病。概要：这是一项剂量递增研究。患者每日口服Carboxyamidotriazole（CAI），并在第8天接受3小时静脉输注Paclitaxel，此后每3周一次。第1疗程为28天，所有其他后续疗程为21天。在无疾病进展或不可接受的毒性情况下继续治疗。达到完全缓解的患者接受额外2个疗程的治疗。序贯剂量递增
【主题与分类】
主题标签：Brain and Central Nervous System Tumors、Breast Cancer、Kidney Cancer、Lung Cancer、Lymphoma、Melanoma (Skin)、Ovarian Cancer、Small Intestine Cancer。本站分类：肿瘤/肺癌。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT00019019
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/NCT00019019
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：脑与中枢神经系统肿瘤、乳腺癌、肾癌、肺癌、淋巴瘤、黑色素瘤（皮肤）、卵巢癌、小肠癌。目的：* 确定紫杉醇与羧胺三唑联合应用于晚期实体瘤或难治性淋巴瘤患者时的最大耐受剂量。* 确定该方案在这些患者中的药代动力学和毒性。* 识别该联合方案似乎有效的疾病。概述：这是一项剂量递增研究。患者每日口服羧胺三唑（CAI），并在第8天及之后每3周接受一次紫杉醇静脉输注，输注时间为3小时。第1疗程为28天，所有后续疗程均为21天。在无疾病进展或不可接受的毒性情况下，治疗持续进行。达到完全缓解的患者额外接受2个疗程的治疗。CAI序贯剂量递增后，接着进行紫杉醇的序贯剂量递增。每组3至6名患者的剂量递增持续进行，直至确定最大耐受剂量（MTD）。MTD定义为低于6名患者中有2名出现剂量限制性毒性的剂量水平。
预计入组人数：本研究将共入组70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。
