Paricalcitol对比Pirfenidone改善腹膜癌患者手术可切除性
该数据集来自clinicaltrials.gov,收录一项单中心、随机II期临床试验,研究将纤维化调节药物重定位用于改善腹膜癌病患者手术可切除性的疗效

基本信息
资源简介
Paricalcitol对比Pirfenidone改善腹膜癌患者手术可切除性
该数据集来自clinicaltrials.gov,收录一项单中心、随机II期临床试验,研究将纤维化调节药物重定位用于改善腹膜癌病患者手术可切除性的疗效。腹膜癌病的肿瘤微环境以广泛纤维化和高密度癌相关成纤维细胞为特征,形成致密促纤维增生屏障,阻碍药物渗透、限制疗效,并常使患者无法接受根治性手术减瘤。试验评估两种抗纤维化药物Paricalcitol与Pirfenidone。数据可用于抗纤维化治疗与手术可切除性预测研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:腹膜(转移性)癌、腹膜癌、腹膜癌病、腹膜癌、腹膜癌病、结直肠或卵巢来源的腹膜癌病、腹腔癌。这是一项单中心、随机II期临床试验,旨在研究将纤维化调节药物重定位用于改善腹膜癌病患者手术可切除性的疗效。腹膜癌病的特征是具有挑战性的肿瘤微环境(TME),表现为广泛纤维化和高密度癌相关成纤维细胞(CAFs)。这些因素形成致密的促纤维增生屏障,阻碍药物渗透、限制治疗疗效,并常使患者无法接受根治性手术减瘤。为克服这些障碍,该试验评估两种不同的抗纤维化药物:parical
【主题与分类】
主题标签:Peritoneal (Metastatic) Cancer、Peritoneal Carcinoma、Peritoneal Carcinosis、Peritoneal Cancer、Peritoneal Carcinomatosis、Peritoneal Cavity Cancer。本站分类:肿瘤。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07856914
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/NCT07856914
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
疾病类型:腹膜(转移性)癌、腹膜癌、腹膜癌病、腹膜癌症、腹膜癌扩散、结直肠或卵巢来源的腹膜癌扩散、腹膜腔癌。这是一项单中心、随机II期临床试验,旨在探究重新利用纤维化调节剂以提高腹膜癌病患者手术可切除性的疗效。腹膜癌病的特点在于其具有挑战性的肿瘤微环境(TME),表现为广泛的纤维化和高密度的癌相关成纤维细胞(CAFs)。这些因素形成了一道密集的促纤维增生屏障,阻碍药物渗透,限制了治疗效果,并常使患者无法接受确定性的手术细胞减灭术。为了克服这些障碍,该试验评估了两种不同的抗纤维化药物:帕立骨化醇,一种合成的维生素D受体激动剂,能促进CAF静止和基质重塑;以及吡非尼酮,一种口服抗纤维化药物,通过下调TGF-β信号通路和胶原合成来抑制纤维化。
符合条件的参与者按1:1比例随机分配,接受为期12周的疗程,口服帕立骨化醇(每日2微克,可调整剂量)或口服吡非尼酮(随餐服用,剂量调整至每次801毫克,每日三次),并与他们正在进行的标准化疗同时给药。
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。




