MOMA-313口服治疗晚期或转移性实体瘤研究
该数据集来自 clinicaltrials.gov,收录一项关于 MOMA-313 口服给药治疗晚期或转移性实体瘤的 1 期首次人体开放标签研究

基本信息
资源简介
MOMA-313口服治疗晚期或转移性实体瘤研究
该数据集来自 clinicaltrials.gov,收录一项关于 MOMA-313 口服给药治疗晚期或转移性实体瘤的 1 期首次人体开放标签研究。覆盖晚期实体瘤、转移性实体瘤、前列腺癌、胰腺癌、乳腺癌、卵巢癌及同源重组缺陷人群。MOMA-313 靶向 DNA 聚合酶 theta,抑制同源重组缺陷肿瘤,研究设单药组与联合 olaparib 组,每组含剂量递增与剂量优化阶段,主要评估安全性与耐受性。数据可用于肿瘤治疗领域的分类研究与安全性分析(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):适应症:晚期实体瘤、转移性实体瘤、前列腺癌、胰腺癌、乳腺癌、卵巢癌、同源重组缺陷。MOMA-313 是一种新型治疗药物,通过抑制 DNA 聚合酶 theta 靶向同源重组(HR)缺陷的癌症。MOMA-313 正在开发作为单药以及与聚(腺苷二磷酸核糖)聚合酶(PARP)抑制剂联合,用于 HR 缺陷的晚期(包括局部)、复发或转移性实体瘤患者。这项 MOMA-313 的 1 期、首次人体、开放标签研究主要旨在评估 MOMA-313 口服作为单药(治疗组 1)或与 olaparib 联合(治疗组 2)给药时的安全性和耐受性。研究的每个治疗组包括剂量递增阶段,随后是剂量优化阶段。在剂量递增
【主题与分类】
主题标签:Advanced Solid Tumor、Metastatic Solid Tumor、Prostate Cancer、Pancreas Cancer、Breast Cancer、Ovarian Cancer、Homologous Recombination Deficiency。本站分类:肿瘤/乳腺癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT06545942
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/NCT06545942
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:晚期实体瘤、转移性实体瘤、前列腺癌、胰腺癌、乳腺癌、卵巢癌、同源重组缺陷。MOMA-313是一种新型治疗药物,旨在通过抑制DNA聚合酶θ来靶向同源重组(HR)缺陷型癌症。MOMA-313正被开发为单药以及与聚(腺苷二磷酸核糖)聚合酶(PARP)抑制剂联合,用于HR缺陷型晚期(包括局部)、复发或转移性实体瘤患者。这项MOMA-313的1期、首次人体、开放标签研究,主要旨在评估MOMA-313作为单药口服给药(治疗组1)或与奥拉帕利联合给药(治疗组2)时的安全性和耐受性。本研究的每个治疗组均包括剂量递增阶段和随后的剂量优化阶段。在每个治疗组的剂量递增阶段,连续的患者队列将接受递增口服剂量的MOMA-313单药或与奥拉帕利联合给药,以确定该人群中的推定最佳生物剂量(OBD)。
每个研究臂的剂量优化阶段将额外入组患者,以支持确认最佳生物剂量(OBD)。这项在HR缺陷晚期(包括局部)、复发或转移性实体瘤患者中开展的研究所获得的数据,包括安全性、耐受性、PK/PDx结果及抗肿瘤活性,将构成MOMA-313作为单药及与奥拉帕利联合用药后续临床开发的基础。
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。




