紫杉醇/卡铂联合或不联合西妥昔单抗治疗CUP

该数据集来自clinicaltrials.gov,主题为原发灶不明肿瘤(CUP)中紫杉醇/卡铂联合或不联合西妥昔单抗的治疗研究

Heidelberg UniversityHeidelberg University
clinicaltrials
浏览 2
其他预测Neoplasms, Unknown PrimaryCarcinoma
Paclitaxel/Carboplatin With or Without Cetuximab in CUP

基本信息

模态
其他
任务类型
预测
创建/更新时间
2026-10-10

资源简介

紫杉醇/卡铂联合或不联合西妥昔单抗治疗CUP

该数据集来自clinicaltrials.gov,主题为原发灶不明肿瘤(CUP)中紫杉醇/卡铂联合或不联合西妥昔单抗的治疗研究。CUP约占所有癌症诊断的2-5%,除部分预后良好亚型外,多数患者治疗选择有限,尚无标准一线方案。腺性或未分化CUP的标准治疗为紫杉醇/卡铂,缓解率在20-40%之间。近年针对EGFR、多种酪氨酸激酶及VEGF的靶向治疗在多种实体瘤中显示可改善生存,西妥昔单抗作为抗EGFR单克隆抗体,已在转移性结直肠癌、胃癌、头颈部鳞癌及非小细胞肺癌中与化疗联合显示疗效(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):条件:肿瘤,原发灶不明,癌。原发灶不明癌(CUP)约占所有癌症诊断的2-5%。除部分预后良好的亚型外,对大多数此类患者而言,治疗选择有限,且尚未确定标准一线方案。腺性或未分化CUP患者的标准治疗为紫杉醇/卡铂,缓解率在20-40%之间。近年来,针对EGFR、多种酪氨酸激酶和VEGF的抑制剂靶向治疗已在不同实体瘤中显示可改善生存。西妥昔单抗是一种针对EGF受体的单克隆抗体,已证明与化疗联合在转移性结直肠癌、胃癌、头颈部鳞状细胞癌和非小细胞肺癌(NSCLC)患者中有效。由于这些有希望的结果,i

【主题与分类】

主题标签:Neoplasms, Unknown Primary、Carcinoma。本站分类:肿瘤/肺癌。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT00894569

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/NCT00894569

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:肿瘤,原发灶不明,癌。原发灶不明的癌(CUP)约占所有癌症诊断的2-5%。除了一些预后较好的亚群外,对于大多数这类患者,治疗选择有限,且尚未确定标准的一线治疗方案。对于腺癌或未分化型CUP患者,标准治疗为紫杉醇/卡铂,响应率在20-40%之间。近年来,针对EGFR、几种酪氨酸激酶和VEGF的抑制剂靶向治疗已被证明能改善不同实体瘤患者的生存率。西妥昔单抗,一种抗EGF受体的单克隆抗体,已证实与化疗联合使用在转移性结直肠癌、胃癌、头颈部鳞状细胞癌和非小细胞肺癌(NSCLC)患者中有效。鉴于这些令人鼓舞的结果,探究在CUP患者中将西妥昔单抗加入紫杉醇和卡铂标准化疗中的影响似乎是合理的。

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