紫杉醇联合硼替佐米治疗转移性或不可切除恶性实体瘤患者
该数据集来自 clinicaltrials.gov,聚焦紫杉醇联合硼替佐米治疗转移性或不可切除恶性实体瘤的临床研究,覆盖乳腺癌、结直肠癌、头颈癌、肺癌、黑色素瘤、卵巢癌、胰腺癌和前列腺癌等癌种

基本信息
资源简介
紫杉醇联合硼替佐米治疗转移性或不可切除恶性实体瘤患者
该数据集来自 clinicaltrials.gov,聚焦紫杉醇联合硼替佐米治疗转移性或不可切除恶性实体瘤的临床研究,覆盖乳腺癌、结直肠癌、头颈癌、肺癌、黑色素瘤、卵巢癌、胰腺癌和前列腺癌等癌种。数据可用于分析联合方案的最大耐受剂量、毒性、肿瘤反应、Bim 在外周血单核细胞中的上调情况、Ras/Raf/MAPK 通路激活标志物与临床反应的相关性,以及硼替佐米对紫杉醇药代动力学参数的影响,适合肿瘤治疗反应与安全性预测建模(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:乳腺癌、结直肠癌、头颈癌、肺癌、黑色素瘤(皮肤)、卵巢癌、胰腺癌、前列腺癌。目的:主要 确定紫杉醇与硼替佐米联合用于涉及激活的 Ras/Raf/MAPK 通路的转移性或不可切除实体瘤恶性肿瘤患者时的最大耐受剂量。次要 评估该方案的毒性。 评估这些患者的肿瘤反应。 确定在接受该方案治疗的患者外周血单核细胞中 Bim 是否上调。 将新鲜或存档肿瘤组织中 Ras/Raf/MAPK 通路激活的标志物与这些患者的临床反应相关联。 进行药代动力学(PK)研究,以确定硼替佐米是否改变紫杉醇的 PK 参数。概述:患者接受紫杉醇静脉注射 1 小时和硼
【主题与分类】
主题标签:Breast Cancer、Colorectal Cancer、Head and Neck Cancer、Lung Cancer、Melanoma (Skin)、Ovarian Cancer、Pancreatic Cancer、Prostate Cancer。本站分类:肿瘤/肺癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT00667641
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/NCT00667641
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:乳腺癌、结直肠癌、头颈癌、肺癌、黑色素瘤(皮肤)、卵巢癌、胰腺癌、前列腺癌。目的:主要 * 确定紫杉醇与硼替佐米联合应用于涉及活化Ras/Raf/MAPK通路的转移性或不可切除实体瘤患者时的最大耐受剂量。次要 * 评估该方案的毒性。 * 评估这些患者的肿瘤反应。 * 确定接受该方案治疗的患者外周血单核细胞中Bim是否上调。 * 将新鲜或存档肿瘤组织中Ras/Raf/MAPK通路激活的标志物与这些患者的临床反应相关联。 * 进行药代动力学(PK)研究,以确定硼替佐米是否改变紫杉醇的药代动力学参数。概要:患者在第1、8和15天接受1小时静脉注射紫杉醇和静脉注射硼替佐米。在没有疾病进展或不可接受的毒性的情况下,每21天重复治疗。在基线和第1疗程期间定期采集血样,用于药代动力学和生物标志物研究。
通过高效液相色谱法分析血液样本中的紫杉醇血浆浓度,通过蛋白质印迹法检测Bim蛋白水平及其磷酸化状态。如有肿瘤组织样本,将进行分析以评估是否存在激活的Ras/Raf/MAPK通路。肿瘤组织样本通过核酸提取和直接测序分析Ras和/或Raf突变;通过蛋白质印迹法检测Ras和/或Raf过表达;进行Ras激活测定;和/或通过蛋白质印迹法和免疫组化检测磷酸化ERK。
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。




