靶向放射性配体治疗中的药物管理
该数据集来自 clinicaltrials.gov,主题为靶向放射性配体治疗中的药物管理,覆盖癌症、甲状腺癌、转移性前列腺癌及神经内分泌肿瘤类癌等病种

基本信息
资源简介
靶向放射性配体治疗中的药物管理
该数据集来自 clinicaltrials.gov,主题为靶向放射性配体治疗中的药物管理,覆盖癌症、甲状腺癌、转移性前列腺癌及神经内分泌肿瘤类癌等病种。靶向放射性核素治疗(TRT)是核医学中用于靶向癌细胞并保护周围健康组织的治疗方式,基于放射性药物(RPs)——将放射性同位素与可选择性结合癌细胞的分子结合。TRT 可追溯至 1950 年代放射性碘-131 的应用,长期用于甲状腺癌治疗,需在专用隔离辐射防护环境中住院 3 至 5 天。近年随着新同位素与创新分子出现,TRT 已扩展至更广泛的癌症(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:癌症、甲状腺癌、转移性前列腺癌、神经内分泌肿瘤类癌。靶向放射性核素治疗(TRT)是核医学中用于靶向癌细胞并保护周围健康组织的一种治疗方式。该方法基于放射性药物(RPs)的使用——这类化合物将放射性同位素与设计用于选择性结合癌细胞的分子结合在一起。TRT 具有历史渊源,可追溯至 1950 年代放射性碘-131 的引入。它长期用于甲状腺癌的治疗,此类治疗需要在专用的、隔离且辐射防护的环境中住院 3 至 5 天。近年来,随着新同位素与靶向更广泛癌症的创新分子出现,TRT 取得了显著发展。Lutathera([177Lu]Lu-DOTATATE)和 Pluvicto([177Lu
【主题与分类】
主题标签:Cancer、Thyroid Cancer、Metastatic Prostate Cancer、Neuroendocrine Tumor Carcinoid。本站分类:肿瘤/前列腺癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07389512
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/NCT07389512
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:癌症、甲状腺癌、转移性前列腺癌、神经内分泌肿瘤类癌。靶向放射性核素治疗(TRT)是核医学中用于靶向癌细胞同时保护周围健康组织的一种治疗方式。该方法基于放射性药物(RPs)的使用——这类化合物将放射性同位素与一种设计用于选择性结合癌细胞的分子相结合。TRT有着悠久的历史渊源,可追溯至20世纪50年代放射性碘-131的引入。长期以来,它一直被用于甲状腺癌的治疗,此类治疗需要在专用的、隔离的且具有辐射防护的环境中住院3至5天。近年来,随着新型同位素与针对更广泛癌症的创新分子相结合的出现,TRT经历了显著发展。Lutathera([177Lu]Lu-DOTATATE)和Pluvicto([177Lu]Lu-PSMA-617)自2021年上市以来,分别彻底改变了神经内分泌肿瘤和转移性前列腺癌患者的治疗管理。目前有大量临床试验正在进行或已规划,进一步拓展了这一领域。
这些前沿治疗通过静脉给药——大多在门诊基础上——在核医学科内、严格的辐射防护规程下进行。最近,法国几家医疗机构已为所有接受TRT治疗的患者引入了系统性临床药学活动,从而实现对患者诊疗的药学验证。这些活动可能包括:A药物重整(MR):从至少三个来源(例如处方、全科医生、病历记录,以及由药师主导的访谈以收集更多细节)收集的所有当前和计划用药的综合清单;A不收集用药史的基本处方审核;入院或出院时的药物重整。这些由放射药师开展的活动旨在促成药学干预(PI)——即针对某一情况提出修改医疗处方的建议。
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。




