AVZO-021晚期实体瘤患者研究
AVZO-021是选择性、强效CDK2抑制剂,参与细胞周期调控,用于晚期实体瘤,尤其HR+、HER2-晚期乳腺癌和CCNE1改变恶性肿瘤;涉及上皮性卵巢癌、原发性腹膜癌、输卵管癌、子宫内膜癌及三阴性乳腺癌

基本信息
资源简介
AVZO-021晚期实体瘤患者研究
AVZO-021是选择性、强效CDK2抑制剂,参与细胞周期调控,用于晚期实体瘤,尤其HR+、HER2-晚期乳腺癌和CCNE1改变恶性肿瘤;涉及上皮性卵巢癌、原发性腹膜癌、输卵管癌、子宫内膜癌及三阴性乳腺癌。1/2期首次人体、开放标签、非随机、多中心研究,1期剂量递增评估单药及联合治疗安全性、耐受性并确定2期推荐剂量;2期剂量扩展评估单药及联合治疗抗肿瘤活性(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、HR+/HER2-乳腺癌、HR+、HER2-晚期乳腺癌、CCNE1扩增、上皮性卵巢癌、原发性腹膜癌、输卵管癌、子宫内膜癌。AVZO-021是一种正在开发的化合物,用于治疗晚期实体瘤患者,特别是HR+/HER2-乳腺癌和细胞周期蛋白E1(CCNE1)改变的恶性肿瘤。AVZO-021是一种选择性且强效的细胞周期蛋白依赖性激酶2(CDK2)抑制剂,在细胞周期调控中发挥重要作用。这是一项AVZO-021的1/2期首次人体、开放标签、非随机、多中心研究。1期是剂量递增阶段,旨在评估AVZO-021的安全性和耐受性,并确定其作为单药治疗和联合治疗时的推荐2期剂量(RP2D)。2期是剂量扩展阶段,将评估AVZO-021作为单药治疗和联合治疗的抗肿瘤活性。
【主题与分类】
主题标签:Advanced Solid Tumor、HR+/HER2- Breast Cancer、HR+, HER2-, Advanced Breast Cancer、CCNE1 Amplification、Epithelial Ovarian Cancer、Primary Peritoneal Cancer、Fallopian Tube Cancer、Endometrial Cancer、TNBC - Triple-Negative Breast Cancer。本站分类:肿瘤/乳腺癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT05867251
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/NCT05867251
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、HR+/HER2-乳腺癌、HR+、HER2-晚期乳腺癌、CCNE1扩增、上皮性卵巢癌、原发性腹膜癌、输卵管癌、子宫内膜癌。AVZO-021是一种正在开发的化合物,用于治疗晚期实体瘤患者,特别是HR+/HER2-乳腺癌和细胞周期蛋白E1(CCNE1)改变的恶性肿瘤。AVZO-021是一种选择性且强效的细胞周期蛋白依赖性激酶2(CDK2)抑制剂,在细胞周期调控中发挥重要作用。这是一项AVZO-021的1/2期首次人体、开放标签、非随机、多中心研究。1期是剂量递增阶段,旨在评估AVZO-021的安全性和耐受性,并确定其作为单药治疗和联合治疗时的推荐2期剂量(RP2D)。2期是剂量扩展阶段,将评估AVZO-021作为单药治疗和联合治疗的抗肿瘤活性。
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。

![[225Ac]-FPI-2068在晚期实体瘤成人患者中的1期剂量递增研究](/medical-api/medicalDataset/datasetCover/42245.jpg)


