III期非劣效试验:免疫治疗后的转移性鼻咽癌化疗后减靶与全靶IMRT对比
该数据集来自clinicaltrials.gov,聚焦鼻咽癌(NPC)的III期非劣效试验,比较免疫治疗后的转移性鼻咽癌患者在接受化疗后,采用减靶IMRT与全靶IMRT的疗效差异

基本信息
资源简介
III期非劣效试验:免疫治疗后的转移性鼻咽癌化疗后减靶与全靶IMRT对比
该数据集来自clinicaltrials.gov,聚焦鼻咽癌(NPC)的III期非劣效试验,比较免疫治疗后的转移性鼻咽癌患者在接受化疗后,采用减靶IMRT与全靶IMRT的疗效差异。源站描述指出鼻咽癌在中国南方高发,初诊时约4%至10%患者已有远处转移,传统单纯全身化疗五年生存率不足10%,亟需更有效策略。研究团队此前基于单中心402例和全国多中心794例回顾性研究,首次揭示局部区域放疗联合全身化疗较单纯化疗降低60%死亡风险(HR=0.40),并在中山大学5010项目支持下发起全球首个III期试验。数据可用于评估减靶IMRT的非劣效性及生存获益预测(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:鼻咽癌(NPC)。鼻咽癌是中国南方地区高发的恶性肿瘤,初诊时约4%至10%的患者出现远处转移。传统单纯全身化疗的五年生存率低于10%,亟需探索更有效的治疗策略。本团队此前开展了单中心研究(402例)和全国多中心回顾性研究(794例),首次揭示局部区域放疗联合全身化疗较单纯全身化疗使死亡风险降低60%(HR = 0.40)(Chen MY, Chin J Cancer, 2013; Eur J Cancer, 2015)。为验证这一发现,在中山大学5010项目支持下,本团队发起了全球首个III期……
【主题与分类】
主题标签:Nasopharyngeal Carcinoma (NPC)。本站分类:肿瘤。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07188584
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/NCT07188584
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:鼻咽癌(NPC)。鼻咽癌是中国南方地区高发的恶性肿瘤,初诊时约有4%至10%的患者出现远处转移。传统单纯全身化疗的五年生存率不足10%,亟需探索更有效的治疗策略。本团队前期通过单中心研究(402例)及全国多中心回顾性研究(794例),首次揭示局部区域放疗联合全身化疗较单纯全身化疗可降低60%的死亡风险(HR = 0.40)(Chen MY, Chin J Cancer, 2013; Eur J Cancer, 2015)。为验证该发现,本团队在中山大学5010项目支持下,于2014年启动了全球首个针对初诊远处转移鼻咽癌的III期前瞻性临床试验。
本试验证实,经过6个疗程的充分全身化疗后,对照组进行随访,而实验组接受局部区域全靶区充分放疗,覆盖大体肿瘤体积(GTV)、高危临床靶区1(CTV1)和低危临床靶区2(CTV2),根治性总剂量分别为70 Gy、60 Gy和54 Gy用于预防性放疗,将中位无进展生存期(mPFS)从6.7个月延长至12.4个月,2年PFS率从3.6%提高至35.0%。这种“充分化疗+全靶区充分放疗”的双模型于2021年被美国临床肿瘤学会评为“全球ASCO 17项重大临床肿瘤学突破”,直接推动了局部放疗被纳入美国NCCN治疗指南、欧洲ESMO指南、中国CSCO指南和CACA指南中转移性鼻咽癌的标准推荐治疗(Chen MY, JAMA Oncology, 2020)。随着
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。
需要用于商业化训练或医疗器械注册(NMPA/FDA)?
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连,提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。




