MTX-531-001 晚期实体瘤一期研究
该数据集来自clinicaltrials.gov，收录MTX-531-001一期临床试验信息，覆盖晚期实体瘤、头颈部鳞状细胞癌、子宫内膜癌、Her2阴性转移性乳腺癌、Pan-RAS与BRAF野生型晚期及转移性结直肠癌等适应症
基本信息
资源简介
MTX-531-001 晚期实体瘤一期研究
该数据集来自clinicaltrials.gov，收录MTX-531-001一期临床试验信息，覆盖晚期实体瘤、头颈部鳞状细胞癌、子宫内膜癌、Her2阴性转移性乳腺癌、Pan-RAS与BRAF野生型晚期及转移性结直肠癌等适应症。研究为首次人体、开放标签一期试验，评估EGFR与PI3K小分子抑制剂MTX-531单药治疗的安全性、耐受性、最大耐受剂量与初步推荐二期剂量，并表征药代动力学特征和初步临床活性。数据可用于肿瘤治疗领域的临床试验分析与安全性评估研究（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：适应症：实体瘤（一期）、HNSCC、子宫内膜癌、Her2阴性转移性乳腺癌、Pan-RAS与BRAF野生型晚期、转移性结直肠癌（CRC）、头颈部鳞状细胞癌。这项首次人体、一期、开放标签研究将评估MTX-531——一种在研的EGFR和PI3K小分子抑制剂——作为单药治疗晚期实体瘤成人患者。研究将评估MTX-531的安全性和耐受性，并确定最大耐受剂量（MTD）和临时推荐二期剂量（RP2D）。研究还将表征MTX-531的药代动力学（PK）特征并评估其初步临床活性。安全性评估将包括不良事件、剂量限制性毒性、实验室检查、生命体征和心电图。药代动力学评估将评估血浆浓度和其他PK参数
【主题与分类】
主题标签：Solid Tumors (Phase 1)、HNSCC、Endometrial Cancer、Her2-negative Metastatic Breast Cancer、Pan-RAS and BRAF Wild-type Advanced、Metastatic Colorectal Cancer (CRC)、Head and Neck Squamous Cell Carcinoma。本站分类：肿瘤/乳腺癌。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT07874880
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/NCT07874880
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：实体瘤（1期）、头颈部鳞状细胞癌（HNSCC）、子宫内膜癌、HER2阴性转移性乳腺癌、泛RAS及BRAF野生型晚期转移性结直肠癌（CRC）、头颈部鳞状细胞癌。这项首次人体、1期、开放标签研究将评估MTX-531——一种在研的EGFR和PI3K小分子抑制剂——作为单药治疗晚期实体瘤成人患者的安全性和耐受性，并确定最大耐受剂量（MTD）和暂定推荐2期剂量（RP2D）。该研究还将表征MTX-531的药代动力学（PK）特征，并评估其初步临床活性。安全性评估将包括不良事件、剂量限制性毒性、实验室检查、生命体征和心电图。药代动力学评估将评价MTX-531的血浆浓度及其他PK参数。抗肿瘤活性将通过影像学肿瘤评估和研究者根据RECIST第1.1版评估的缓解情况进行评价。本研究是MTX-531的首次临床研究。
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。
