比较BL-B01D1与医生选择化疗治疗复发或转移性鼻咽癌的研究（PANKU-NPC01）
该数据集来自clinicaltrials.gov，收录一项针对复发或转移性鼻咽癌患者的临床研究信息。研究比较BL-B01D1与医生选择的化疗方案，主要目的是评估基于BICR的客观缓解率（ORR）和总生存期（OS）获益
基本信息
资源简介
比较BL-B01D1与医生选择化疗治疗复发或转移性鼻咽癌的研究（PANKU-NPC01）
该数据集英文名为 A Study Comparing BL-B01D1 With Physician's Choice of Chemotherapy in Patients With Recurrent or Metastatic Nasopharyngeal Carcinoma（PANKU-NPC01），来自 clinicaltrials.gov，本站归类为肿瘤 / 其他，主题标签为 Nasopharyngeal Carcinoma。数据集收录一项针对复发或转移性鼻咽癌患者的临床研究信息，研究比较 BL-B01D1 与医生选择的化疗方案，主要目的是评估基于 BICR 的客观缓解率（ORR）和总生存期（OS）获益。整体上，该数据集围绕鼻咽癌这一主题，提供该项临床研究的登记信息，供关注复发或转移性鼻咽癌治疗比较的研究者检索与参考。
【数据集背景】
该数据集对应的研究关注复发或转移性鼻咽癌患者。源站描述列出的疾病条件为 Nasopharyngeal Carcinoma。研究设置对照，将 BL-B01D1 与医生选择的化疗方案进行比较，主要目的为评估基于 BICR 的客观缓解率（ORR）和总生存期（OS）获益。数据集以临床研究登记信息的形式呈现，主题标签为 Nasopharyngeal Carcinoma，本站分类归入肿瘤 / 其他。
【数据内容】
数据集收录的内容为一项临床研究的登记信息，包括研究名称、疾病条件、研究目的等描述性内容。源站描述明确的条件为 Nasopharyngeal Carcinoma；主要目的为评估 BICR -based 客观缓解率（ORR）和总生存期（OS）获益，比较对象为 BL-B01D1 与医生选择的化疗方案。除上述信息外，源站未提供更细化的数据字段说明。
【采集与来源】
该数据集来源站为 clinicaltrials.gov，属于临床研究登记平台。数据集英文名称中包含研究编号 PANKU-NPC01。其余关于采集方式、采集时间、更新频率等信息，源站未提供。
【适用场景】
该数据集适用于检索和了解复发或转移性鼻咽癌领域一项比较 BL-B01D1 与医生选择化疗方案的临床研究信息，可供关注鼻咽癌治疗研究动态的人员作为登记信息参考。由于源站描述聚焦于研究条件与主要目的，其适用场景应限定在信息查阅与背景了解层面；更具体的分析用途，源站未提供。
【使用方法】
源站未提供。
【质量与限制】
该数据集的信息来自 clinicaltrials.gov 的登记描述，内容以研究条件与主要目的为主。源站未提供关于数据完整性、准确性校验、样本量、研究状态等方面的说明，使用时应以源站登记信息为准，并注意登记信息可能不涵盖研究全部细节。其他质量相关指标，源站未提供。
【引用与许可】
源站未提供。
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/NCT06118333
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
Conditions: Nasopharyngeal Carcinoma. Primary objective: To evaluate BICR-based objective response rate (ORR) and overall survival (OS) benefit of BL-B01D1 versus physician’s choice of chemotherapy.
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。
需要用于商业化训练或医疗器械注册（NMPA/FDA）？
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连，提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。
