RAD001联合厄洛替尼治疗神经内分泌肿瘤
该数据集来自 clinicaltrials.gov,主题为 RAD001 与 Erlotinib 联合用于神经内分泌肿瘤患者

基本信息
资源简介
RAD001联合厄洛替尼治疗神经内分泌肿瘤
该数据集来自 clinicaltrials.gov,主题为 RAD001 与 Erlotinib 联合用于神经内分泌肿瘤患者。源站描述指出,临床前数据显示同时抑制 mTOR 和 EGFR 两条非冗余扩增通路,可能逆转耐药并比单独靶向任一通路更显著影响肿瘤生长;EGFR 抑制剂可能消除刺激 PI3K、Akt 等上游信号的反馈环路,而 PI3K/Akt/PTEN 轴失调可能导致 EGFR 抑制剂耐药,抑制 mTOR 或可逆转。数据可用于肿瘤联合用药与耐药机制相关研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:神经内分泌肿瘤。临床前数据表明,同时抑制两条非冗余扩增通路(mTOR 和 EGFR)可以逆转耐药,并且比单独靶向任一通路更深刻地影响肿瘤生长。EGFR 抑制剂可能消除在 mTOR 抑制情况下刺激 PI3K 和 Akt 等上游信号事件的反馈环路。尽管 ErbB 受体通过 mTOR 依赖性机制发出信号,但癌症中也存在非 mTOR 依赖性的 ErbB 受体信号传导。此外,凋亡通路如 PI3K/Akt/PTEN 轴的失调(例如通过 PTEN 功能缺失或 AKT 基因扩增)可能导致对 EGFR 抑制剂的耐药。使用 mTOR 抑制剂治疗可能逆转这种耐药。同时靶向 mTOR 和 EGFR 通路可能比单独抑制任一通路更有效地抑制肿瘤生长。The compel
【主题与分类】
主题标签:Neuroendocrine Tumors。本站分类:肿瘤/肺癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT00843531
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/NCT00843531
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
条件:神经内分泌肿瘤。临床前数据表明,同时抑制两条非冗余扩增通路(mTOR和EGFR)可逆转耐药性,并比单独靶向任一通路更深刻地影响肿瘤生长。EGFR抑制剂可能消除在面对mTOR抑制时刺激PI3K和Akt等上游信号事件的反馈回路。尽管ErbB受体通过依赖mTOR的机制传递信号,但在癌症中也存在不依赖mTOR的ErbB受体信号传导。此外,凋亡通路如PI3K/Akt/PTEN轴的失调(例如通过PTEN功能丧失或AKT基因扩增)可能导致对EGFR抑制剂的耐药。使用mTOR抑制剂治疗可能逆转这种耐药性。同时靶向mTOR和EGFR通路可能比单独抑制任一通路更有效地抑制肿瘤生长。令人信服的临床前数据,加之在神经内分泌肿瘤(NETs)中观察到的EGFR抑制和mTOR抑制的单药活性有限,为研究晚期NETs患者中同时抑制这两条通路的活性提供了强有力的依据。
支持这一策略的另一个依据是,EGFR抑制剂与mTOR抑制剂可在人体内安全联合使用。来自RAD001联合厄洛替尼治疗既往接受过治疗的晚期非小细胞肺癌(NSCLC)患者的I期研究的新兴数据表明,两种药物可按以下剂量安全联合:RAD001 5 mg口服,每日一次;厄洛替尼150 mg口服,每日一次。值得注意的是,本研究最初为RAD001和厄洛替尼选择的剂量直接来源于该联合方案的I期研究(RAD001 5 mg口服,每日一次,联合厄洛替尼150 mg口服,每日一次)。修改后的剂量选择(RAD001 5 mg口服,每日一次,联合厄洛替尼100 mg口服,每日一次)是与研究申办方讨论、以及本研究最初入组的少数患者的初步安全性数据(提示部分患者可耐受全剂量治疗,而另一些患者则不能)相结合的结果
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。




