晚期平滑肌肉瘤人源类器官指导个体化疗效试验

研究获取患者原发灶和/或转移灶新鲜组织构建肿瘤类器官模型,并进行药敏分析;在等待类器官培养及药敏结果约3-4周期间,患者接受一周期标准AI方案化疗(多柔比星至少50 mg/m²+异环磷酰胺至少6000 mg/m²)

Union Hospital, Tongji Medical College, Huazhong University of Science and TechnologyUnion Hospital, Tongji Medical College, Huazhong University of Science and Technology
clinicaltrials
浏览 2
其他预测Advanced Leiomyosarcoma
A Trial for Advanced Leiomyosarcoma With Human Organoid-guided Personalized Efficacy

基本信息

模态
其他
任务类型
预测
创建/更新时间
2026-10-27

资源简介

晚期平滑肌肉瘤人源类器官指导个体化疗效试验

该数据集来自clinicaltrials.gov,聚焦晚期平滑肌肉瘤(Advanced Leiomyosarcoma)。研究获取患者原发灶和/或转移灶新鲜组织构建肿瘤类器官模型,并进行药敏分析;在等待类器官培养及药敏结果约3-4周期间,患者接受一周期标准AI方案化疗(多柔比星至少50 mg/m²+异环磷酰胺至少6000 mg/m²)。随后结合药敏结果与临床反应综合评估并调整治疗方案,通过观察临床改善情况评价基于类器官药敏预测药物疗效的准确性与有效性。数据可用于探索类器官药敏与临床疗效的关联及个体化治疗预测(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):疾病:晚期平滑肌肉瘤。本研究获取患者原发灶和/或转移灶的新鲜组织,用于构建肿瘤类器官模型。对构建的类器官进行药物敏感性分析。在等待类器官培养和药物敏感性分析结果期间(约3-4周),所有患者接受一个周期的标准AI方案化疗(多柔比星至少50 mg/m²+异环磷酰胺至少6000 mg/m²)。根据药物敏感性分析结果和患者的临床反应,综合评估并调整治疗方案。通过观察患者的临床改善状况,评估基于类器官药物敏感性结果预测药物疗效的准确性和有效性。

【主题与分类】

主题标签:Advanced Leiomyosarcoma。本站分类:肿瘤。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT07405346

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/NCT07405346

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

条件:晚期平滑肌肉瘤。在本研究中,获取患者原发灶和/或转移灶的新鲜组织,用于构建肿瘤类器官模型。对构建的类器官进行药物敏感性分析。在等待类器官培养及药物敏感性分析结果期间(约3-4周),所有患者接受一个周期的标准AI方案化疗(多柔比星至少50 mg/m²+异环磷酰胺至少6000 mg/m²)。根据药物敏感性分析结果及患者的临床反应,综合评估并调整治疗方案。通过观察患者的临床改善情况,评估基于类器官药物敏感性结果预测药物疗效的准确性和有效性。

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