Elacestrant 治疗 ER 阳性子宫肉瘤的 2 期试验
该数据集来自 clinicaltrials.gov，聚焦 Elacestrant 在 ER 阳性晚期子宫肉瘤中的单臂、开放标签 2 期研究，覆盖子宫肉瘤、子宫平滑肌肉瘤、子宫内膜间质肉瘤、血管周上皮样细胞肿瘤、子宫腺肉瘤、子宫 PEComa 及雌激素受体阳性肿瘤等类型
基本信息
资源简介
Elacestrant 治疗 ER 阳性子宫肉瘤的 2 期试验
该数据集来自 clinicaltrials.gov，聚焦 Elacestrant 在 ER 阳性晚期子宫肉瘤中的单臂、开放标签 2 期研究，覆盖子宫肉瘤、子宫平滑肌肉瘤、子宫内膜间质肉瘤、血管周上皮样细胞肿瘤、子宫腺肉瘤、子宫 PEComa 及雌激素受体阳性肿瘤等类型。数据可用于评估该药物在 ER 阳性子宫肉瘤中的疗效与安全性，涉及筛选、门诊访视、血尿检测、CT、MRI、PET 及心电图等研究流程，为相关肿瘤治疗研究提供参考（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：条件：子宫肉瘤、子宫平滑肌肉瘤、子宫内膜间质肉瘤、ESS、血管周上皮样细胞肿瘤、子宫腺肉瘤、子宫 PEComa、雌激素受体阳性肿瘤。这是一项单臂、开放标签的 2 期研究，评估 elacestrant 在晚期雌激素受体（ER）阳性子宫肉瘤参与者中的疗效和安全性。Elacestrant 旨在阻断雌激素受体，这可能减缓或阻止依赖雌激素生长的癌症的生长。美国食品药品监督管理局（FDA）尚未批准 elacestrant 作为 ER 阳性子宫肉瘤的治疗药物。研究研究程序包括资格筛选、门诊访视、血液检测、尿液检测、计算机断层扫描（CT）、磁共振成像（MRI）扫描或正电子发射（PET）扫描，以及心电图（ECG）。预计
【主题与分类】
主题标签：Uterine Sarcoma、Uterine Leiomyosarcoma、Endometrial Stromal Sarcoma、ESS、Perivascular Epithelioid Cell Tumors、Uterine Adenosarcoma、Uterine PEComa、Estrogen Receptor Positive Tumor、uLMS。本站分类：肿瘤。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT07467772
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/NCT07467772
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：子宫肉瘤、子宫平滑肌肉瘤、子宫内膜间质肉瘤、ESS、血管周上皮样细胞肿瘤、子宫腺肉瘤、子宫PEComa、雌激素受体阳性肿瘤。这是一项单臂、开放标签的2期研究，旨在评估elacestrant在晚期雌激素受体（ER）阳性子宫肉瘤受试者中的疗效和安全性。Elacestrant旨在阻断雌激素受体，这可能减缓或阻止依赖雌激素生长的癌症的发展。美国食品药品监督管理局（FDA）尚未批准elacestrant用于治疗ER阳性子宫肉瘤。研究程序包括资格筛选、门诊访视、血液检查、尿液检查、计算机断层扫描（CT）、磁共振成像（MRI）或正电子发射（PET）扫描以及心电图（ECG）。预计约30人将参与这项研究。Stemline-Menarini通过提供研究药物来支持这项研究。
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。
