高选择性RET抑制剂普拉替尼（BLU-667）治疗甲状腺癌、非小细胞肺癌及其他晚期实体瘤的1/2期研究
该数据集来自 clinicaltrials.gov，收录高选择性 RET 抑制剂 Pralsetinib (BLU-667) 在甲状腺癌、非小细胞肺癌及其他晚期实体瘤受试者中开展的 1/2 期研究
基本信息
资源简介
高选择性RET抑制剂普拉替尼（BLU-667）治疗甲状腺癌、非小细胞肺癌及其他晚期实体瘤的1/2期研究
该数据集来自 clinicaltrials.gov，收录高选择性 RET 抑制剂 Pralsetinib (BLU-667) 在甲状腺癌、非小细胞肺癌及其他晚期实体瘤受试者中开展的 1/2 期研究。研究分为剂量递增部分（1 期）和扩展部分（2 期），入组晚期不可切除 NSCLC、晚期不可切除甲状腺癌及其他晚期实体瘤患者，这些患者在接受标准全身治疗后进展、对标准全身治疗反应不足、无法耐受标准治疗，或研究者判定标准治疗不适用，或疾病尚无公认标准治疗。数据可用于肿瘤治疗相关研究（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：条件：RET 改变的非小细胞肺癌、甲状腺髓样癌、RET 改变的甲状腺乳头状癌、RET 改变的结肠癌、RET 改变的实体瘤、肺肿瘤、癌、非小细胞肺癌、甲状腺疾病。该研究包含 2 个部分，即剂量递增部分（1 期）和扩展部分（2 期）。两个部分都将入组患有晚期不可切除 NSCLC、晚期不可切除甲状腺癌及其他晚期实体瘤的受试者，这些受试者在标准全身治疗后出现进展、对标准全身治疗未充分应答，或者受试者必须无法耐受标准治疗，或研究者已判定标准治疗不适用，或者其疾病必须尚无公认的标准治疗。
【主题与分类】
主题标签：RET-altered Non Small Cell Lung Cancer、Medullary Thyroid Cancer、RET-altered Papillary Thyroid Cancer、RET-altered Colon Cancer、RET-altered Solid Tumors、Lung Neoplasm、Carcinoma, Non-Small-Cell Lung、Thyroid Diseases、Thyroid Neoplasm、Thyroid Cancer, Papillary。本站分类：肿瘤/肺癌。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT03037385
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/NCT03037385
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：RET基因改变的非小细胞肺癌、甲状腺髓样癌、RET基因改变的甲状腺乳头状癌、RET基因改变的结肠癌、RET基因改变的实体瘤、肺肿瘤、癌、非小细胞肺癌、甲状腺疾病。该研究包括2个部分，即剂量递增部分（1期）和扩展部分（2期）。两部分都将入组患有晚期不可切除的非小细胞肺癌、晚期不可切除的甲状腺癌以及其他晚期实体瘤的参与者，这些疾病在标准全身治疗后出现进展、对标准全身治疗应答不充分，或者参与者必须对标准治疗不耐受，或研究者已确定标准治疗不适合，或者其疾病尚无公认的标准治疗。
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。
