Cediranib能否预防铂耐药卵巢癌肠穿孔
该数据集来自clinicaltrials.gov,聚焦Cediranib能否预防铂耐药卵巢癌患者的肠穿孔问题,覆盖肠梗阻、卵巢癌、输卵管癌和原发性腹膜癌

基本信息
资源简介
Cediranib能否预防铂耐药卵巢癌肠穿孔
该数据集来自clinicaltrials.gov,聚焦Cediranib能否预防铂耐药卵巢癌患者的肠穿孔问题,覆盖肠梗阻、卵巢癌、输卵管癌和原发性腹膜癌。源站描述指出卵巢癌是女性癌症死亡的第四大原因,恶性肠梗阻是其最常见死因,多发生于对铂类化疗耐药的患者,并提及VEGF通路抑制剂联合细胞毒治疗在初治、铂敏感及铂耐药复发场景中报告了更高缓解率和PFS延长。数据可用于了解该临床问题背景及相关研究设计(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:肠梗阻、卵巢癌、输卵管癌、原发性腹膜癌。卵巢癌是女性癌症死亡的第四大原因,也是妇科癌症死亡的最常见原因,在英国每年导致4,000人死亡,在美国每年导致22,000人死亡(1,2)。最常见的死因是恶性肠梗阻,其发生是由于肿瘤在物理和神经层面阻断肠道功能(3)。需要新的治疗策略来应对恶性肠梗阻,该情况通常发生于疾病已对铂类化疗产生耐药的患者。多项研究报告,在初治(4,5)、铂敏感(6,7)和铂耐药复发疾病场景(8)中,将VEGF通路抑制剂与细胞毒治疗联合使用时,缓解率更高且PFS延长。在AURELIA研究中,
【主题与分类】
主题标签:Bowel Obstruction、Ovarian Cancer、Fallopian Tube Cancer、Primary Peritoneal Cancer。本站分类:肿瘤/其他。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07648745
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/NCT07648745
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
适应症:肠梗阻、卵巢癌、输卵管癌、原发性腹膜癌。卵巢癌是女性癌症死亡的第四大常见原因,也是妇科癌症死亡的最常见原因,在英国每年导致4,000人死亡,在美国每年导致22,000人死亡(1,2)。最常见的死亡原因是恶性肠梗阻,其发生是由于肿瘤在物理和神经学上阻滞了肠道功能(3)。需要新的治疗策略来应对恶性肠梗阻,该病通常发生于对铂类化疗耐药的患者中。多项研究报道,在一线治疗(4,5)、铂敏感复发(6,7)和铂耐药复发(8)的情况下,将VEGF通路抑制剂与细胞毒性治疗联合使用可获得更高的缓解率和更长的PFS。在AURELIA研究中,将抗血管生成药物、抗VEGF单克隆抗体贝伐珠单抗加入医生选择的细胞毒性药物中,显著改善了PFS。
然而,本研究排除了既往接受过三种以上治疗方案的患者,以及具有临床或影像学肠梗阻特征的患者,依据是既往数据表明,对既往有肠道手术史、涉及直肠乙状结肠的盆腔疾病或肠梗阻症状的患者给予贝伐珠单抗会显著增加肠穿孔的风险(9),而肠穿孔可能致命。上述数据表明,对于一种能够安全地与细胞毒性治疗联合使用的VEGF抑制剂存在未满足的需求,这将提高该人群的缓解率和PFS。MITO-11研究证明了帕唑帕尼联合每周紫杉醇在铂耐药疾病中的安全性和潜在疗效(11),并且研究者已在西地尼布联合放疗治疗结直肠癌的内部试验中(DREAM试验;手稿准备中)证明,西地尼布在存在显著肠壁疾病的情况下是有效且安全的,其中
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。




