IAM1363 在 HER2 肿瘤中的 1/1b 期研究
该数据集来自 clinicaltrials.gov，主题为 IAM1363 在 HER2 相关肿瘤中的 1/1b 期研究，属于肿瘤/乳腺癌分类
基本信息
资源简介
IAM1363 在 HER2 肿瘤中的 1/1b 期研究
该数据集来自 clinicaltrials.gov，主题为 IAM1363 在 HER2 相关肿瘤中的 1/1b 期研究，属于肿瘤/乳腺癌分类。覆盖 HER2 突变相关肿瘤、HER2 阳性乳腺癌、HER2+ 乳腺癌、实体瘤脑转移、HER2 与乳腺癌脑转移、CNS 转移及 HER2 阳性实体瘤等情形。研究为开放标签、多中心设计，评估 IAM1363 在携带 HER2 改变的晚期癌症参与者中的表现，包含单药剂量递增、剂量优化、剂量扩展和联合队列四个部分。可用于了解该试验的入组人群、研究阶段与剂量探索设计（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：条件：HER2 突变相关肿瘤、HER2、HER2 阳性乳腺癌、HER2 + 乳腺癌、实体瘤脑转移、HER2 与乳腺癌脑转移、CNS 转移、HER2 阳性实体瘤。这是一项 1/1b 期开放标签、多中心研究，旨在评估 IAM1363 在携带 HER2 改变的晚期癌症参与者中的表现。本研究由以下 4 个部分组成： 第 1 部分（单药剂量递增） 第 2 部分（剂量优化） 第 3 部分（剂量扩展） 第 4 部分（联合队列）。第 1 部分将入组经确认的复发/难治性恶性肿瘤参与者，其有记录的 HER2 改变诊断，包括伴有脑转移的参与者。一旦确定临时最大耐受剂量（MTD）/推荐 2 期剂量（RP2D），第 2 部分将入组额外队列以优化剂量选择并进一步
【主题与分类】
主题标签：HER2 Mutation-Related Tumors、HER2、HER2-positive Breast Cancer、HER2 + Breast Cancer、Brain Metastases From Solid Tumors、CNS Metastases、HER2-Positive Solid Tumors、NSCLC (Non-small Cell Lung Cancer)、HER2-positive Bladder Cancer、HER2-positive Colorectal Cancer。本站分类：肿瘤/乳腺癌。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT06253871
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/NCT06253871
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
疾病类型：HER2突变相关肿瘤、HER2、HER2阳性乳腺癌、HER2+乳腺癌、实体瘤脑转移、HER2及乳腺癌脑转移、中枢神经系统转移、HER2阳性实体瘤。这是一项1/1b期开放标签、多中心研究，旨在评估IAM1363在携带HER2变异的晚期癌症受试者中的疗效。本研究包括以下4个部分：* 第1部分（单药剂量递增）* 第2部分（剂量优化）* 第3部分（剂量扩展）* 第4部分（联合队列）第1部分将入组经确诊的复发/难治性恶性肿瘤受试者，其HER2变异有记录在案的诊断依据，包括伴有脑转移的受试者。一旦确定暂定最大耐受剂量（MTD）/推荐2期剂量（RP2D），第2部分将入组更多队列，以优化剂量选择并进一步评估IAM1363的安全性和初步疗效。剂量优化完成后，第3部分将开放入组肿瘤特异性队列，采用Simon两阶段Minimax设计，以评估IAM1363在选定剂量下的疗效。
第四部分将招募4个队列的参与者，他们将接受IAM1363与其他抗癌药物的联合治疗。
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。
需要用于商业化训练或医疗器械注册（NMPA/FDA）？
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连，提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。
