确定PEP005外用凝胶最佳耐受方案与安全性的研究
该数据集来自 clinicaltrials.gov，主题为光化性角化病（Actinic Keratoses）相关研究，属于肿瘤/皮肤癌分类
基本信息
资源简介
确定PEP005外用凝胶最佳耐受方案与安全性的研究
该数据集英文名为“A Study to Determine the Optimal Tolerated Regime and Safety of PEP005 Topical Gel”，来自 clinicaltrials.gov，主题为光化性角化病（Actinic Keratoses）相关研究，在分类上归入肿瘤 / 皮肤癌方向。光化性角化病是一种常见的皮肤疾病，表现为皮肤表层出现粗糙、鳞屑状的斑块或疮面，若不加以治疗，可能进展为皮肤癌。现有治疗手段可能造成瘢痕和色素减退，或存在使用不便、疗程较长等问题，因此研究者正在探索用于治疗光化性角化病病灶的非侵入性替代疗法。该数据集围绕上述主题组织，可供关注皮肤癌前病变及相关临床研究的信息检索与参考使用。
【数据集背景】
光化性角化病（Actinic Keratoses，简称 AK）是一种常见的皮肤疾病，其特征是皮肤表层出现粗糙、鳞屑状的斑块或疮面。该病若不加治疗，有可能进展为皮肤癌，因此被归入肿瘤 / 皮肤癌相关分类。现有治疗方法存在若干不足：可能造成瘢痕和色素减退，使用上不够便利，或者需要较长的治疗周期。基于这些局限，研究者正在寻求用于治疗 AK 病灶的非侵入性替代疗法。该数据集所对应的研究即围绕一种局部用凝胶（PEP005 Topical Gel）的耐受方案与安全性展开，属于上述研究背景下的临床研究资料。
【数据内容】
该数据集的主题标签为 Actinic Keratoses，内容指向一项关于 PEP005 局部用凝胶最佳耐受方案与安全性的研究。源站描述中给出的研究条件为光化性角化病。除研究名称、研究条件与主题标签所反映的信息外，源站未提供该数据集具体包含的字段、记录数量、变量类型或数据表结构等细节。
【采集与来源】
该数据集来源于 clinicaltrials.gov。源站描述提供了研究条件（Actinic Keratoses）以及该疾病的背景说明，包括其临床表现、未治疗时可能进展为皮肤癌的风险，以及现有治疗手段在瘢痕、色素减退、便利性和疗程方面的局限。关于数据的具体采集时间、采集方式、样本量及随访安排，源站未提供。
【适用场景】
依据其主题与分类，该数据集可用于光化性角化病相关临床研究的检索与参考，也可作为肿瘤 / 皮肤癌方向中皮肤癌前病变研究信息的查阅对象。由于涉及 PEP005 局部用凝胶的耐受方案与安全性研究，其内容与局部外用治疗方案的临床评价主题相关。除此之外的具体应用场景，源站未提供。
【使用方法】
源站未提供该数据集的使用方法、访问方式或操作说明。
【质量与限制】
源站未提供该数据集的质量评估、完整性说明或已知限制。需要说明的是，源站描述中关于光化性角化病的临床表现与治疗现状属于背景性说明，不构成对该数据集具体指标或结论的陈述。
【引用与许可】
源站未提供该数据集的引用格式与许可条款。
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/NCT00427050
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
适应症：光化性角化病。光化性角化病（AK）是一种常见的皮肤疾病，其特征是皮肤表层出现粗糙、鳞屑状的斑块或溃疡，若不治疗，可能进展为皮肤癌。目前的治疗方法可能导致瘢痕和色素减退，使用不便，或需要较长的治疗周期。因此，正在研究用于治疗AK病变的非侵入性替代疗法。
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。
