西妥昔单抗治疗复发或IIIB/IV期肺癌患者

该数据集来自clinicaltrials.gov,主题为西妥昔单抗治疗复发或IIIB/IV期细支气管肺泡癌或伴细支气管肺泡癌特征的肺腺癌患者

Eastern Cooperative Oncology GroupEastern Cooperative Oncology Group
clinicaltrials
浏览 12
基因组预测Lung Cancer
Cetuximab in Treating Patients With Recurrent or Stage IIIB or Stage IV Lung Cancer

基本信息

模态
基因组
任务类型
预测
创建/更新时间
2026-10-10

资源简介

西妥昔单抗治疗复发或IIIB/IV期肺癌患者

该数据集来自clinicaltrials.gov,主题为西妥昔单抗治疗复发或IIIB/IV期细支气管肺泡癌或伴细支气管肺泡癌特征的肺腺癌患者。研究为多中心试验,主要评估客观缓解率,次要评估总生存期、进展时间、毒性反应,并分析EGFR、AKT3、MAPKinase表达及EGFR基因多态性或突变与疗效的相关性。数据可用于肺癌靶向治疗疗效预测、生物标志物关联分析及生存分析等研究(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):条件:肺癌。目的:主要 确定西妥昔单抗治疗复发或IIIB或IV期细支气管肺泡癌(BAC)或伴BAC特征的肺腺癌患者的客观缓解率。次要 确定接受该药治疗患者的总生存期和进展时间。 确定该药在这些患者中的毒性反应。 将总表皮生长因子受体(EGFR)、磷酸化EGFR、总AKT3、磷酸化AKT3、总MAPKinase和磷酸化MAPKinase的表达与接受该药治疗患者的缓解进行相关性分析。* 确定EGFR基因中多态性或突变的存在是否影响接受该药治疗患者的缓解。概要:这是一项多中心研究。患者在第1、8、15和22天接受西妥昔单抗静脉注射,持续1-2小时。每28天重复一个疗程,在a

【主题与分类】

主题标签:Lung Cancer。本站分类:肿瘤/肺癌。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT00103207

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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/NCT00103207

标准获取流程:

  1. 访问源站链接,注册/登录账号;
  2. 进入数据集详情页,按页面指引申请权限或直接下载;
  3. 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。

数据说明

疾病:肺癌。目的:主要 * 确定西妥昔单抗治疗复发性或IIIB期或IV期细支气管肺泡癌(BAC)或具有BAC特征的肺腺癌患者的客观缓解率。次要 * 确定接受该药物治疗的患者的总生存期和疾病进展时间。* 确定该药物在这些患者中的毒性效应。* 将总表皮生长因子受体(EGFR)、磷酸化EGFR、总AKT3、磷酸化AKT3、总MAP激酶及磷酸化MAP激酶的表达与接受该药物治疗的患者的反应相关联。* 确定EGFR基因中的多态性或突变是否影响接受该药物治疗的患者的反应。大纲:这是一项多中心研究。患者在每28天周期的第1、8、15和22天接受一次为期1-2小时的西妥昔单抗静脉注射。在没有疾病进展或不可接受的毒性的情况下,课程每28天重复一次。研究治疗完成后,患者每3个月随访一次,持续2年,之后每6个月随访一次,持续3年。实际入组:本研究共入组72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。

获取专属数据定制方案