抗肿瘤药物Adavosertib联合放疗治疗不可治愈食管癌及胃食管结合部癌的试验
该数据集来自clinicaltrials.gov,聚焦于不可治愈的食管癌及胃食管结合部癌患者,探索抗肿瘤药物Adavosertib(AZD1775)联合放射治疗的最大耐受剂量

基本信息
资源简介
抗肿瘤药物Adavosertib联合放疗治疗不可治愈食管癌及胃食管结合部癌的试验
该数据集来自clinicaltrials.gov,聚焦于不可治愈的食管癌及胃食管结合部癌患者,探索抗肿瘤药物Adavosertib(AZD1775)联合放射治疗的最大耐受剂量。覆盖临床III期、IV期及IVA期的食管腺癌、食管鳞状细胞癌和胃食管结合部腺癌(AJCC v8)。主要目标为确定联合治疗的最大耐受剂量,次要目标包括观察抗肿瘤活性及评估AZD1775的疗效。可用于肿瘤治疗剂量探索、联合治疗方案评估及临床预测建模等研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:临床III期食管腺癌AJCC v8、临床III期食管鳞状细胞癌AJCC v8、临床III期胃食管结合部腺癌AJCC v8、临床IV期食管腺癌AJCC v8、临床IV期食管鳞状细胞癌AJCC v8、临床IV期胃食管结合部腺癌AJCC v8、临床IVA期食管腺癌AJCC v8、临床IVA期食管鳞状细胞癌AJCC v8。主要目标:I. 确定Adavosertib(AZD1775)与放射治疗联合用于转移性或无法手术且不适合根治性放化疗的食管/胃食管结合部(GEJ)癌患者时的最大耐受剂量。次要目标:I. 观察并记录抗肿瘤活性。II. 评估AZD1775的疗效,当给予
【主题与分类】
主题标签:Distal Esophagus Adenocarcinoma、Gastric Cardia Adenocarcinoma、Metastatic Esophageal Adenocarcinoma、Unresectable Esophageal Adenocarcinoma、Unresectable Esophageal Carcinoma。本站分类:肿瘤。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT04460937
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/NCT04460937
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
条件:临床III期食管腺癌AJCC v8、临床III期食管鳞状细胞癌AJCC v8、临床III期胃食管交界处腺癌AJCC v8、临床IV期食管腺癌AJCC v8、临床IV期食管鳞状细胞癌AJCC v8、临床IV期胃食管交界处腺癌AJCC v8、临床IVA期食管腺癌AJCC v8、临床IVA期食管鳞状细胞癌AJCC v8。主要目标:I. 确定adavosertib(AZD1775)与放射治疗联合应用于转移性或无法手术且不适合接受根治性放化疗的食管/胃食管交界处(GEJ)癌患者时的最大耐受剂量。次要目标:I. 观察并记录抗肿瘤活性。II. 通过评估治疗后Ogilvie吞咽困难评分的变化、吞咽困难第二次干预的时间以及总生存期,评价AZD1775与放射治疗联合给药时的疗效。III. 识别可预测对实验性治疗反应的生物标志物。
大纲:这是一项adavosertib的剂量递增研究。患者每周接受5天、每天一次(QD)的放射治疗,持续3周,直至疾病进展或出现不可接受的毒性。患者在放射治疗的第1周和第3周期间,还口服(PO)adavosertib,每天一次(QD),持续2-5天(取决于剂量水平),直至疾病进展或出现不可接受的毒性。研究治疗完成后,对患者进行随访,分别在3周时、2年内每3个月一次,之后3年内每6个月一次。
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。




