醋酸阿比特龙、泼尼松与阿帕他胺治疗激素初治转移性前列腺癌
该数据集来自 clinicaltrials.gov，聚焦激素初治转移性前列腺癌（HNMPCa）的临床研究，涵盖转移性前列腺癌、前列腺腺癌、骨转移性前列腺癌及 AJCC v8 IV、IVA、IVB 期前列腺癌等病种
基本信息
资源简介
醋酸阿比特龙、泼尼松与阿帕他胺治疗激素初治转移性前列腺癌
该数据集来自 clinicaltrials.gov，聚焦激素初治转移性前列腺癌（HNMPCa）的临床研究，涵盖转移性前列腺癌、前列腺腺癌、骨转移性前列腺癌及 AJCC v8 IV、IVA、IVB 期前列腺癌等病种。研究以基线分子病理雄激素受体反应（AR-response）特征预测阿比特龙联合阿帕他胺的疗效为主要目标，同时评估该联合方案的有效性与安全性，并探索分子标志物与临床疗效结局的关系。治疗方案为醋酸阿比特龙口服每日一次、泼尼松口服每日两次、阿帕他胺口服每日一次，28 天为一周期，持续 1 年。可用于疗效预测建模与分子标志物关联分析（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：条件：转移性前列腺癌、前列腺腺癌、骨转移性前列腺癌、AJCC v8 IV 期前列腺癌、AJCC v8 IVA 期前列腺癌、AJCC v8 IVB 期前列腺癌。主要目标：I. 确定基线分子病理雄激素受体反应（AR-response）特征是否能预测激素初治转移性前列腺癌（HNMPCa）患者对阿比特龙联合阿帕他胺的疗效。次要目标：I. 评估醋酸阿比特龙联合阿帕他胺在 HNMPCa 患者中的疗效。II. 评估醋酸阿比特龙联合阿帕他胺在 HNMPCa 患者中的安全性。III. 探索分子标志物与临床疗效结局之间的关系。大纲：患者每日口服（PO）醋酸阿比特龙，每日两次（BID）口服泼尼松，每日口服阿帕他胺。周期每 28 天重复，持续 1 年
【主题与分类】
主题标签：Metastatic Prostate Carcinoma、Prostate Adenocarcinoma、Stage IV Prostate Cancer AJCC v8、Stage IVA Prostate Cancer AJCC v8、Stage IVB Prostate Cancer AJCC v8。本站分类：肿瘤/前列腺癌。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT03821792
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/NCT03821792
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
疾病状态：转移性前列腺癌、前列腺腺癌、骨转移性前列腺癌、AJCC第8版IV期前列腺癌、AJCC第8版IVA期前列腺癌、AJCC第8版IVB期前列腺癌。主要目标：I. 确定基线分子病理学雄激素受体反应（AR反应）特征是否能预测阿比特龙联合阿帕鲁胺在激素初治转移性前列腺癌（HNMPCa）患者中的疗效。次要目标：I. 评估醋酸阿比特龙联合阿帕鲁胺在HNMPCa患者中的疗效。II. 评估醋酸阿比特龙联合阿帕鲁胺在HNMPCa患者中的安全性。III. 探索分子标志物与临床疗效结果之间的关系。研究概要：患者每日口服（PO）醋酸阿比特龙，每日两次（BID）口服泼尼松，每日口服阿帕鲁胺。在没有疾病进展或不可接受的毒性的情况下，每28天为一个周期，持续1年。研究治疗完成后，对患者进行30天随访，然后随访至多6个月。
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。
