抗CD27抗体Varlilumab与抗PD-1抗体Nivolumab治疗晚期难治性实体瘤的剂量递增与队列扩展研究
该数据集来自clinicaltrials.gov,收录一项关于抗CD27抗体Varlilumab联合抗PD-1抗体Nivolumab治疗晚期难治性实体瘤的剂量递增与队列扩展研究

基本信息
资源简介
抗CD27抗体Varlilumab与抗PD-1抗体Nivolumab治疗晚期难治性实体瘤的剂量递增与队列扩展研究
该数据集来自clinicaltrials.gov,收录一项关于抗CD27抗体Varlilumab联合抗PD-1抗体Nivolumab治疗晚期难治性实体瘤的剂量递增与队列扩展研究。覆盖头颈部鳞状细胞癌、卵巢癌、结直肠癌、肾细胞癌及胶质母细胞瘤等瘤种,涉及剂量递增阶段的安全性评估与II期推荐剂量确定,以及II期队列扩展。可用于肿瘤免疫联合治疗的安全性、剂量探索及疗效相关研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:头颈部鳞状细胞癌(SCCHN)、卵巢癌-入组已完成、结直肠癌(CRC)-入组已完成、肾细胞癌(RCC)(仅II期)、胶质母细胞瘤(GBM)(仅II期)-入组已完成。Varlilumab是一种全人源单克隆抗体,可与某些免疫细胞上名为CD27的分子结合,可能发挥促进抗肿瘤作用。Nivolumab是一种全人源单克隆抗体,可与免疫细胞上名为PD-1的分子结合并促进抗肿瘤作用。入组研究剂量递增部分的合格患者将被分配至三个Varlilumab剂量水平之一,联合3 mg/kg的Nivolumab。研究的第一阶段将测试联合方案的安全性特征,并确定在整个研究的II期中将研究哪个剂量。在II期期间,取决于
【主题与分类】
主题标签:Ovarian Carcinoma-Enrollment Completed。本站分类:肿瘤/脑肿瘤。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT02335918
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/NCT02335918
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:头颈部鳞状细胞癌(SCCHN)、卵巢癌-入组已完成、结直肠癌(CRC)-入组已完成、肾细胞癌(RCC)(仅限II期)、胶质母细胞瘤(GBM)(仅限II期)-入组已完成。Varlilumab是一种全人源单克隆抗体,可与某些免疫细胞上名为CD27的分子结合,可能发挥促进抗肿瘤的作用。Nivolumab是一种全人源单克隆抗体,可与免疫细胞上名为PD-1的分子结合并促进抗肿瘤作用。符合条件并入选研究剂量递增部分的患者将被分配至三个剂量水平之一的varlilumab联合3 mg/kg nivolumab治疗组。研究的第一阶段将检测该联合方案的安全性特征,并确定将在整个研究II期中所研究的剂量。在II期期间,根据癌症类型,患者组将入组并接受varlilumab 3 mg/kg每2周一次、3 mg/kg每12周一次或0.3 mg/kg每4周一次联合nivolumab 240 mg治疗。
所有参与研究的患者将被密切监测,以判断治疗是否产生应答以及是否出现任何可能的副作用。
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。




