Disitamab Vedotin联合其他抗癌药物治疗实体瘤研究
该数据集来自clinicaltrials.gov,收录一项评估disitamab vedotin联合tucatinib治疗表达HER2的局部晚期或转移性乳腺癌及胃癌/胃食管结合部腺癌的临床试验信息

基本信息
资源简介
Disitamab Vedotin联合其他抗癌药物治疗实体瘤研究
该数据集来自clinicaltrials.gov,收录一项评估disitamab vedotin联合tucatinib治疗表达HER2的局部晚期或转移性乳腺癌及胃癌/胃食管结合部腺癌的临床试验信息。覆盖HER2低表达、HER2阳性、三阴性乳腺癌及转移性乳腺癌、转移性胃癌等病种。研究包含剂量递增和剂量优化两个阶段,可用于了解该联合方案在HER2表达实体瘤中的安全性、疗效及最佳剂量探索(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:乳腺肿瘤、胃食管结合部腺癌、HER2低表达乳腺肿瘤、HER2阳性乳腺肿瘤、胃肿瘤、三阴性乳腺肿瘤、转移性乳腺癌、转移性胃癌。本临床试验旨在评估disitamab vedotin联合tucatinib在表达HER2的局部晚期/转移性乳腺癌或胃癌/胃食管结合部腺癌受试者中的疗效。研究包含一个剂量递增阶段,评估disitamab vedotin联合tucatinib,随后进入剂量优化阶段。剂量递增阶段确定的2个剂量水平将在优化阶段针对表达HER2的局部晚期/转移性乳腺癌和局部晚期/转移性胃癌/胃食管结合部腺癌评估安全性和疗效。一旦disitamab vedotin联合tucatinib的安全性和疗效特征得以确立,并确定了具有最佳获益/风险比的disitamab vedotin剂量,则disitamab vedoti
【主题与分类】
主题标签:Breast Neoplasms、Gastroesophageal Junction Adenocarcinoma、HER2 Low Breast Neoplasms、HER2 Positive Breast Neoplasms、Stomach Neoplasms、Triple Negative Breast Neoplasms、Metastatic Breast Cancer、Metastatic Gastric Cancer、Advanced Breast Cancer、Advanced Gastric Cancer。本站分类:肿瘤/乳腺癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT06157892
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/NCT06157892
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:乳腺肿瘤、胃食管结合部腺癌、HER2低表达乳腺肿瘤、HER2阳性乳腺肿瘤、胃肿瘤、三阴性乳腺肿瘤、转移性乳腺癌、转移性胃癌。本临床试验旨在评估维迪西妥单抗联合图卡替尼在表达HER2的局部晚期/转移性乳腺癌或胃癌/胃食管结合部腺癌受试者中的疗效。研究包括剂量递增阶段,评估维迪西妥单抗联合图卡替尼,随后进入剂量优化阶段。剂量递增阶段确定的2个剂量水平将在优化阶段评估其在表达HER2的局部晚期/转移性乳腺癌和局部晚期/转移性胃癌/胃食管结合部腺癌中的安全性和有效性。一旦确立维迪西妥单抗联合图卡替尼的安全性和有效性特征,并确定具有最佳获益/风险比的维迪西妥单抗剂量,维迪西妥单抗联合图卡替尼的组合疗法将在扩展阶段进行评估,包括4个扩展队列:HER2低表达局部晚期/转移性胃癌/胃食管结合部腺癌、HER2阳性局部晚期/转移性胃癌/胃食管结合部腺癌、HER2低表达局部晚期/转移性乳腺癌和HER2阳性局部晚期/转移性乳腺癌受试者。
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。




