贝组替凡（PT2977、MK-6482）片在晚期实体瘤患者中的试验（MK-6482-001）
该1期多剂量剂量递增试验评估belzutifan片治疗晚期实体瘤。1A部分将患者分配至序贯剂量组，通过体检、生命体征、心电图、血液生化及不良事件监测安全性，并采血测药物浓度和生物标志物
基本信息
资源简介
贝组替凡（PT2977、MK-6482）片在晚期实体瘤患者中的试验（MK-6482-001）
该1期多剂量剂量递增试验评估belzutifan片治疗晚期实体瘤。1A部分将患者分配至序贯剂量组，通过体检、生命体征、心电图、血液生化及不良事件监测安全性，并采血测药物浓度和生物标志物。达到MTD和/或RP2D后，1B部分入组50例晚期透明细胞肾细胞癌患者；2部分入组最多25例其他指定实体瘤患者，最多含3种肿瘤类型；2A部分入组25例胶质母细胞瘤患者（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：疾病：晚期实体瘤、实体瘤、实体癌、成人实体瘤、ccRCC、RCC、透明细胞腺癌、RCC、肾癌。 第1A部分：这是一项belzutifan片剂的1期、多剂量、剂量递增试验，晚期实体瘤患者将被分配至连续的剂量队列。将通过频繁的体格检查、生命体征测量、心电图（ECG）以及血液学和生化实验室检查，并通过记录所有不良事件（AE）来监测患者安全性。将采集血液，用于分析belzutifan浓度并评估生物标志物。 第1B部分：一旦达到最大耐受剂量（MTD）和/或推荐2期剂量（RP2D），将入组一个由50例晚期透明细胞肾细胞癌（ccRCC）患者组成的扩展队列。 第2部分：在确定MTD/RP2D后，最多可入组25例患有其他特定实体瘤的患者。本研究此部分最多可纳入3种不同的肿瘤类型。 第2A部分：一个由25例胶质母细胞瘤（GBM）患者组成的队列。
【主题与分类】
主题标签：Advanced Solid Tumors、Solid Tumor、Solid Carcinoma、Solid Tumor, Adult、ccRCC、RCC, Clear Cell Adenocarcinoma、RCC、Kidney Cancer、Clear Cell Renal Cell Carcinoma、Renal Cell Carcinoma, Metastatic。本站分类：肿瘤/脑肿瘤。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT02974738
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/NCT02974738
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：晚期实体瘤、实体瘤、实体癌、成人实体瘤、ccRCC、RCC、透明细胞腺癌、RCC、肾癌。
第1A部分：这是一项belzutifan片剂的1期、多剂量、剂量递增试验，晚期实体瘤患者将被分配至连续的剂量队列。将通过频繁的体格检查、生命体征测量、心电图（ECG）以及血液学和生化实验室检查，并通过记录所有不良事件（AE）来监测患者安全性。将采集血液，用于分析belzutifan浓度并评估生物标志物。
第1B部分：一旦达到最大耐受剂量（MTD）和/或推荐2期剂量（RP2D），将入组一个由50例晚期透明细胞肾细胞癌（ccRCC）患者组成的扩展队列。
第2部分：在确定MTD/RP2D后，最多可入组25例患有其他特定实体瘤的患者。本研究此部分最多可纳入3种不同的肿瘤类型。
第2A部分：一个由25例胶质母细胞瘤（GBM）患者组成的队列。
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。
