双重组痘苗病毒VV-GMCSF-Lact一期安全性多队列研究数据集
本数据集来自clinicaltrials.gov,收录一项基于双重组痘苗病毒VV-GMCSF-Lact的溶瘤病毒疗法一期临床研究,针对复发或难治性转移性乳腺癌患者

基本信息
资源简介
双重组痘苗病毒VV-GMCSF-Lact一期安全性多队列研究数据集
本数据集来自clinicaltrials.gov,收录一项基于双重组痘苗病毒VV-GMCSF-Lact的溶瘤病毒疗法一期临床研究,针对复发或难治性转移性乳腺癌患者。研究采用剂量递增的连续队列设计,涵盖单次与多次给药,评估药物的安全性、耐受性和药代动力学参数,包括最大耐受剂量、不良事件特征、剂量限制性毒性、病毒药代动力学与抗病毒抗体谱以及客观疗效。数据可用于溶瘤病毒疗法的安全性分析与剂量探索研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:溶瘤病毒疗法。研究目的是评估基于双重组痘苗病毒VV-GMCSF-Lact的药物在复发/难治性转移性乳腺癌患者中的安全性、耐受性和药代动力学参数,采用连续队列剂量递增设计,包括单次和多次给药。该研究提供:确定药物的最大耐受剂量,以及在递增剂量下与研究药物使用相关的不良事件的发生频率、性质、强度和持续时间;检测剂量限制性毒性及其严重程度、持续时间和可逆性;确定病毒药代动力学特征和抗病毒抗体;评估对治疗的客观缓解。第1阶段:病毒药物按“3+3”设计瘤内单次给药,剂量从1107 PFU至10107 PFU。
【主题与分类】
主题标签:Oncolytic Virotherapy。本站分类:肿瘤/乳腺癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT05376527
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/NCT05376527
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:溶瘤病毒治疗。本研究旨在评估基于双重组痘苗病毒VV-GMCSF-Lact的药物的安全性、耐受性和药代动力学参数,受试者为复发/难治性转移性乳腺癌患者,采用连续队列、剂量递增、单次和多次给药的方式。本研究包括:确定药物的最大耐受剂量,以及在递增剂量下与研究药物使用相关的不良事件的发生频率、性质、强度和持续时间;检测剂量限制性毒性及其严重程度、持续时间和可逆性;确定病毒药代动力学特征和抗病毒抗体;评估治疗的客观缓解。第1阶段:病毒药物按照"3+3"设计进行瘤内单次给药,剂量范围为110^7 PFU至1010^7 PFU。
将评估剂量限制性毒性(DLT)的发生频率(非血液学毒性III度及以上;给药后两天以上出现发热性中性粒细胞减少且体温>38.3°C;血小板减少III度及以上和/或出血并发症;ALT和/或AST活性反复升高超过正常上限4倍以上)。如果所研究的整个队列中未出现DLT,则递增至下一剂量水平。如果3例患者队列中DLT发生率为2或3例,则研究停止。最大耐受剂量(MTD)将被视为低于确定DLT的剂量的所研究剂量。第1阶段假设随机分配不超过36例患者。第2阶段,多次给药:根据第1阶段,如果有可能基于先前研究的剂量研究至少一种给药方案,研究将进入第二阶段。在第2阶段,计划按递增顺序使用低于MTD的两个剂量以及MTD。如果前三例患者给药期间未观察到DLT,则递增至下一剂量水平。如果
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。千方医数集依托三甲直采网络,提供合规、去标识化、支持注册级质控的专病数据集交易服务。




