Daraxonrasib及Daraxonrasib联合GnP一线治疗转移性胰腺腺癌研究
该数据集来自clinicaltrials.gov，为一项全球、随机、开放标签的3期研究，评估daraxonrasib单药或daraxonrasib联合gemcitabine与nab-paclitaxel一线治疗转移性胰腺腺癌时，相比标准化疗能否改善无进展生存期和/或总生存期
基本信息
资源简介
Daraxonrasib及Daraxonrasib联合GnP一线治疗转移性胰腺腺癌研究
该数据集来自clinicaltrials.gov，为一项全球、随机、开放标签的3期研究，评估daraxonrasib单药或daraxonrasib联合gemcitabine与nab-paclitaxel一线治疗转移性胰腺腺癌时，相比标准化疗能否改善无进展生存期和/或总生存期。患者随机分入三组：daraxonrasib单药（A组）、daraxonrasib联合gemcitabine与nab-paclitaxel（B组）、gemcitabine与nab-paclitaxel（C组）。覆盖胰腺癌、转移性胰腺癌、胰腺导管腺癌等病种，可用于疗效预测与生存分析（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：适应症：胰腺癌、转移性胰腺癌、PDAC、PDAC - 胰腺导管腺癌、胰腺导管腺癌（PDAC）、转移性胰腺腺癌、胰腺腺癌、胰腺腺鳞癌。这是一项全球、随机、开放标签的3期研究，旨在评估daraxonrasib单药治疗或daraxonrasib联合gemcitabine与nab-paclitaxel治疗，在作为转移性胰腺腺癌患者一线治疗时，与标准化疗gemcitabine与nab-paclitaxel相比，能否改善无进展生存期和/或总生存期。患者将被随机分配至三个组之一：daraxonrasib（A组）、daraxonrasib + gemcitabine与nab-paclitaxel（B组），或gemcitabine与nab-paclitaxel（C组）。
【主题与分类】
主题标签：Pancreatic Cancer、Pancreatic Cancer Metastatic、PDAC、PDAC - Pancreatic Ductal Adenocarcinoma、Pancreatic Ductal Adenocarcinoma (PDAC)、Pancreatic Adenocarcinoma Metastatic、Pancreatic Adenocarcinoma、Pancreatic Adenosquamous Carcinoma。本站分类：肿瘤。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT07491445
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/NCT07491445
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：胰腺癌、转移性胰腺癌、PDAC、PDAC - 胰腺导管腺癌、胰腺导管腺癌（PDAC）、转移性胰腺腺癌、胰腺腺癌、胰腺腺鳞癌。这是一项全球性、随机、开放标签的3期研究，旨在评估在转移性胰腺腺癌患者中，作为一线治疗时，daraxonrasib单药治疗或daraxonrasib联合吉西他滨和白蛋白结合型紫杉醇，与标准吉西他滨和白蛋白结合型紫杉醇相比，能否改善无进展生存期和/或总生存期。患者将被随机分配至三个治疗组之一：daraxonrasib（A组）、daraxonrasib + 吉西他滨和白蛋白结合型紫杉醇（B组），或吉西他滨和白蛋白结合型紫杉醇（C组）。
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。
