COLA:LAM与TSC中COX-2抑制的试点临床试验
该数据集来自clinicaltrials.gov,为COLA试点临床试验的元数据,聚焦淋巴管肌瘤病(LAM)与结节性硬化症复合体(TSC)

基本信息
资源简介
COLA:LAM与TSC中COX-2抑制的试点临床试验
该数据集来自clinicaltrials.gov,为COLA试点临床试验的元数据,聚焦淋巴管肌瘤病(LAM)与结节性硬化症复合体(TSC)。源站描述涉及LAM的囊性肺破坏、肾血管平滑肌脂肪瘤及LAM细胞生长特征,并提及mTORC1抑制剂sirolimus可稳定肺功能下降、缩小血管平滑肌脂肪瘤,但停药后疗效消退;研究者发现TSC2缺失细胞中COX功能改变。数据可用于了解该试验背景与相关主题检索(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:淋巴管肌瘤病(LAM)。背景:淋巴管肌瘤病(LAM)的特征是囊性肺破坏、肾血管平滑肌脂肪瘤(AMLs)以及LAM细胞在轴淋巴管和多个其他器官和表面内生长。LAM既可散发,也可与结节性硬化症复合体(TSC)相关。Sirolimus(雷帕霉素),一种mTORC1抑制剂,已被证明可在TSC和散发性LAM患者中稳定肺功能下降并减小血管平滑肌脂肪瘤肿瘤大小。然而,停止雷帕霉素治疗会导致肺功能再次下降和血管平滑肌脂肪瘤再生长,提示可能需要持续使用以维持其有益效果。最近,研究者发现,在缺乏TSC2的细胞中,包括在LAM患者来源的血管平滑肌脂肪瘤细胞系中,环氧合酶(COX)功能发生改变。COX-2水平a
【主题与分类】
主题标签:Lymphangioleiomyomatosis (LAM)。本站分类:肿瘤。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT02484664
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/NCT02484664
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:淋巴管肌瘤病(LAM)。背景:淋巴管肌瘤病(LAM)的特征是囊性肺破坏、肾血管平滑肌脂肪瘤(AMLs)以及LAM细胞在轴淋巴管及多个其他器官和表面生长。LAM既可散发发生,也可与结节性硬化症复合体(TSC)相关。西罗莫司(雷帕霉素),一种mTORC1抑制剂,已被证明可在TSC和散发性LAM患者中稳定肺功能下降并减小血管平滑肌脂肪瘤肿瘤大小。然而,停止雷帕霉素治疗会导致肺功能再次下降以及血管平滑肌脂肪瘤再生长,提示可能需要持续使用以维持其有益效果。最近,研究者发现,在缺乏TSC2的细胞中环氧化酶(COX)功能发生改变,包括在一株LAM患者来源的血管平滑肌脂肪瘤细胞系中。COX-2水平升高,前列腺素代谢物水平升高,并且使用COX-2抑制剂治疗在两种不同的Tsc小鼠模型(一种为原发肿瘤,另一种为异种移植模型)中可有效减小肿瘤大小。
此外,雷帕霉素不影响COX-2表达或前列腺素代谢物的这些差异。目的/假设:我们的临床前研究表明,塞来昔布(一种COX-2特异性抑制剂)可减小Tsc模型中TSC2缺陷肿瘤的大小。因此,研究者提出这项初步临床试验,以测试塞来昔布在LAM患者中的安全性和耐受性,并通过多种方法初步评估潜在获益。具体目标:本初步试验的主要终点是测试塞来昔布治疗在当前未使用西罗莫司的轻至中度LAM患者中的安全性和耐受性;并通过以下方面评估该治疗的潜在获益:1. 肺功能测定,2. MRI测量血管平滑肌脂肪瘤大小,3. 圣乔治呼吸问卷,4. VEGF-D血清水平。研究者将评估呼出气冷凝
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。




