吉非替尼治疗转移性或不可切除头颈癌或非小细胞肺癌研究
该数据集来自 clinicaltrials.gov，收录一项关于吉非替尼（ZD-1839）治疗转移性或不可切除头颈癌或非小细胞肺癌的试点研究信息
基本信息
资源简介
吉非替尼治疗转移性或不可切除头颈癌或非小细胞肺癌研究
该数据集来自 clinicaltrials.gov，收录一项关于吉非替尼（ZD-1839）治疗转移性或不可切除头颈癌或非小细胞肺癌的试点研究信息。研究聚焦于75岁及以上与50岁及以下两个年龄组患者，评估入组可行性并初步比较两组的ZD-1839峰浓度、消除半衰期和稳态水平。数据覆盖多种头颈部肿瘤及非小细胞肺癌，可用于了解该药物在不同年龄人群中的药代动力学特征，支持相关临床研究和用药参考（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：疾病：未分化甲状腺癌、胰岛细胞甲状腺癌、转移性甲状旁腺癌、复发性口腔腺样囊性癌、复发性唇基底细胞癌、复发性鼻旁窦和鼻腔嗅神经母细胞瘤、复发性鼻旁窦和鼻腔内翻性乳头状瘤、复发性鼻咽淋巴上皮瘤。主要目标：I. 评估在转移性或不可切除头颈癌或非小细胞肺癌患者中，入组75岁及以上和50岁及以下患者参加一项包含特殊患者群体药代动力学采样的结构化试点研究的可行性。II. 初步比较两个患者年龄组之间的ZD-1839峰浓度水平、消除半衰期和稳态水平。概要：这是一项试点、多中心研究。患者被分层
【主题与分类】
主题标签：Anaplastic Thyroid Cancer、Insular Thyroid Cancer、Metastatic Parathyroid Cancer、Recurrent Non-small Cell Lung Cancer、Recurrent Parathyroid Cancer、Recurrent Salivary Gland Cancer、Recurrent Thyroid Cancer、Stage III Follicular Thyroid Cancer、Stage III Papillary Thyroid Cancer、Stage III Salivary Gland Cancer。本站分类：肿瘤/肺癌。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT00068497
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/NCT00068497
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
疾病类型：未分化甲状腺癌、岛状甲状腺癌、转移性甲状旁腺癌、复发性口腔腺样囊性癌、复发性唇部基底细胞癌、复发性鼻旁窦及鼻腔嗅神经母细胞瘤、复发性鼻旁窦及鼻腔内翻性乳头状瘤、复发性鼻咽淋巴上皮瘤。
主要目标：I. 评估将75岁及以上和50岁及以下患有转移性或不可切除的头颈部癌症或非小细胞肺癌的患者纳入一项结构化试点研究的可行性，该研究包括在特殊患者人群中进行药代动力学采样。II. 初步比较两个患者年龄组之间ZD-1839的峰浓度水平、消除半衰期和稳态水平。
研究方案概要：这是一项试点性、多中心研究。患者按年龄分层（75岁及以上 vs 50岁及以下）。患者在第1天接受口服吉非替尼，然后从第8天开始每日服用。在无疾病进展或不可接受的毒性情况下继续治疗。
患者在注册研究后接受30天随访，随后随访长达3年。
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。
