化疗治疗难治性晚期实体瘤或血液系统恶性肿瘤
该数据集来自 clinicaltrials.gov,聚焦于难治性晚期实体瘤或血液系统恶性肿瘤的化疗研究。覆盖膀胱癌、乳腺癌、结直肠癌、胃癌、头颈癌、肾癌、白血病、肺癌等多种癌症类型

基本信息
资源简介
化疗治疗难治性晚期实体瘤或血液系统恶性肿瘤
该数据集来自 clinicaltrials.gov,聚焦于难治性晚期实体瘤或血液系统恶性肿瘤的化疗研究。覆盖膀胱癌、乳腺癌、结直肠癌、胃癌、头颈癌、肾癌、白血病、肺癌等多种癌症类型。研究旨在确定 17-AAG 的最大耐受剂量,并评估该药物对患者肿瘤信号蛋白表达的影响。数据可用于分析药物剂量与疗效关系、探索生物标志物,以及预测治疗反应,为肿瘤精准治疗提供参考(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:膀胱癌、乳腺癌、结直肠癌、胃癌、头颈癌、肾癌、白血病、肺癌。目的: 确定 17-N-烯丙基氨基-17-去甲氧基格尔德霉素(17-AAG)在难治性或晚期实体瘤或血液系统恶性肿瘤患者中的最大耐受剂量。 评估该药物对治疗开始时以及可能治疗后患者个体癌症中存在的信号蛋白表达的影响。大纲:这是一项两阶段、剂量递增、多中心研究。患者根据疾病(慢性粒细胞白血病[CML]或费城染色体[Ph]+急性淋巴细胞白血病[ALL] vs 实体瘤)进行分层。患者接受 17-N-烯丙基氨基-17-去甲氧基格尔德霉素(17-AAG)静脉注射,持续 60-90 分钟,每周两次。在没有疾病进展的情况下,每 12 周重复疗程。
【主题与分类】
主题标签:Bladder Cancer、Breast Cancer、Colorectal Cancer、Gastric Cancer、Head and Neck Cancer、Kidney Cancer、Leukemia、Lung Cancer、Melanoma (Skin)、Ovarian Cancer。本站分类:肿瘤/肺癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT00004065
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/NCT00004065
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:膀胱癌、乳腺癌、结直肠癌、胃癌、头颈癌、肾癌、白血病、肺癌。目的:* 确定17-N-烯丙氨基-17-去甲氧基格尔德霉素(17-AAG)在难治性或晚期实体瘤或血液系统恶性肿瘤患者中的最大耐受剂量。* 评估该药物对治疗开始时及如可能治疗后患者个体癌症中存在的信号蛋白表达的影响。概述:这是一项两阶段、剂量递增的多中心研究。患者根据疾病(慢性髓性白血病[CML]或费城染色体[Ph]+急性淋巴细胞白血病[ALL]与实体瘤)进行分层。患者接受17-N-烯丙氨基-17-去甲氧基格尔德霉素(17-AAG)静脉注射,每次60-90分钟,每周两次。在没有疾病进展(CML或Ph+ ALL患者至少完成2个疗程后)或不可接受的毒性的情况下,每12周重复疗程。
- 加速阶段:单个患者接受递增剂量的17-AAG,直至某患者首次出现3级或以上毒性反应,或两名不同患者在任何疗程中出现2级毒性反应。
- 标准阶段:各层中3-6名患者组成的队列接受递增剂量的17-AAG,直至确定最大耐受剂量(MTD)。MTD定义为3名患者中有2名或6名患者中有2名经历剂量限制性毒性反应之前的剂量。
预计招募人数:本研究预计招募约51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。




