个体化疫苗联合Durvalumab与Tremelimumab及化疗治疗转移性三阴性乳腺癌的试验

数据可用于TNBC免疫联合治疗响应预测与生物标志物研究(来源 cl。本数据集为肿瘤领域公开数据集,主题涵盖疫苗编码。本数据集为肿瘤领域的蛋白质公开数据集,由National Cancer Institute (NCI)提供,主题涵盖疫苗编码。

National Cancer Institute (NCI)National Cancer Institute (NCI)
clinicaltrials
浏览 3
蛋白质预测Anatomic Stage IV Breast Cancer AJCC v8Invasive Breast Carcinoma疫苗编码
Testing the Addition of an Individualized Vaccine to Durvalumab and Tremelimumab and Chemotherapy in Patients With Metastatic Triple Negative Breast Cancer

基本信息

模态
蛋白质
任务类型
预测
创建/更新时间
2026-10-20

资源简介

个体化疫苗联合Durvalumab与Tremelimumab及化疗治疗转移性三阴性乳腺癌的试验

该数据集英文名称为“Testing the Addition of an Individualized Vaccine to Durvalumab and Tremelimumab and Chemotherapy in Patients With Metastatic Triple Negative Breast Cancer”,本站归类为肿瘤 / 乳腺癌,来源站为 clinicaltrials.gov。源站描述显示,其关注条件包括 Anatomic Stage IV Breast Cancer AJCC v8、Invasive Breast Carcinoma 与 Metastatic Triple-Negative Breast Carcinoma。研究主要目的是在转移性三阴性乳腺癌患者中,评估白蛋白结合型紫杉醇联合 durvalumab(MEDI4736)、tremelimumab 及新抗原疫苗(第1组)对比白蛋白结合型紫杉醇联合 durvalumab(MEDI4736)与 tremelimumab(第2组)的临床反应;次要目的为评估上述两种方案的安全性;探索性目的包括评估两种方案诱导的免疫反应,以及治疗响应相关的生物标志物。主题标签涵盖上述三类乳腺癌相关条件,侧写线索提示该数据可用于 TNBC 免疫联合治疗响应预测与生物标志物研究,主题涵盖疫苗编码。

【数据集背景】

该数据集来源于 clinicaltrials.gov,属于肿瘤 / 乳腺癌分类下的公开数据集。其背景聚焦于转移性三阴性乳腺癌(TNBC)的免疫联合治疗研究。源站描述列出的疾病条件包括 Anatomic Stage IV Breast Cancer AJCC v8、Invasive Breast Carcinoma 和 Metastatic Triple-Negative Breast Carcinoma。研究设计涉及在标准化疗与免疫检查点抑制剂基础上加入个体化新抗原疫苗,比较含疫苗方案与不含疫苗方案的差异,主题标签亦覆盖上述乳腺癌相关条件。

【数据内容】

源站描述显示,该研究的主要目的为评估白蛋白结合型紫杉醇 + durvalumab(MEDI4736)+ tremelimumab + 新抗原疫苗(第1组)对比白蛋白结合型紫杉醇 + durvalumab(MEDI4736)+ tremelimumab(第2组)在转移性 TNBC 患者中的临床反应。次要目的为评估上述两种方案的安全性。探索性目的包括:评估两种方案诱导的免疫反应;评估治疗响应相关的生物标志物。源站描述在生物标志物部分以“Biomarkers of response to therapy will be ass”截断,后续内容源站未提供。主题标签包括 Anatomic Stage IV Breast Cancer AJCC v8、Invasive Breast Carcinoma、Metastatic Triple-Negative Breast Carcinoma。

【采集与来源】

该数据集来源站为 clinicaltrials.gov。源站描述提供了研究条件、主要目的、次要目的与探索性目的等信息。除上述来源与描述外,关于采集时间、采集地点、样本量、随访周期等具体采集信息,源站未提供。

【适用场景】

依据源站描述与侧写线索,该数据可用于 TNBC 免疫联合治疗响应预测与生物标志物研究,主题涵盖疫苗编码。具体而言,可围绕转移性三阴性乳腺癌中白蛋白结合型紫杉醇、durvalumab、tremelimumab 与新抗原疫苗联合方案的临床反应、安全性、免疫反应及治疗响应生物标志物等方向组织研究。其他适用场景源站未提供。

【使用方法】

源站未提供具体使用方法。使用时应以 clinicaltrials.gov 来源站描述为准,围绕主要目的、次要目的与探索性目的所涉及的研究问题进行分析;涉及数据字段、访问方式与操作流程的内容,源站未提供。

【质量与限制】

源站描述中生物标志物部分存在截断,相关完整表述源站未提供。关于数据质量评价、样本规模、缺失情况、偏倚控制等具体信息,源站未提供。该数据集主题限定于转移性三阴性乳腺癌及相关乳腺癌条件,外推至其他瘤种或非转移性场景需谨慎,具体限制源站未提供。

【引用与许可】

该数据集来源站为 clinicaltrials.gov。关于引用格式与许可条款,源站未提供。

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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/NCT03606967

标准获取流程:

  1. 访问源站链接,注册/登录账号;
  2. 进入数据集详情页,按页面指引申请权限或直接下载;
  3. 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。

数据说明

条件:乳腺癌解剖分期IV期 AJCC第8版,浸润性乳腺癌,转移性三阴性乳腺癌。主要目的:I. 评估白蛋白结合型紫杉醇+度伐利尤单抗(MEDI4736)+替西木单抗+新抗原疫苗(第1组)对比白蛋白结合型紫杉醇+度伐利尤单抗(MEDI4736)+替西木单抗(第2组)在转移性三阴性乳腺癌(TNBC)患者中的临床反应。次要目的:I. 评估白蛋白结合型紫杉醇+度伐利尤单抗(MEDI4736)+替西木单抗+新抗原疫苗对比白蛋白结合型紫杉醇+度伐利尤单抗(MEDI4736)+替西木单抗在转移性TNBC患者中的安全性。探索性目的:I. 评估白蛋白结合型紫杉醇+度伐利尤单抗(MEDI4736)+替西木单抗+新抗原疫苗对比白蛋白结合型紫杉醇+度伐利尤单抗(MEDI4736)+替西木单抗在转移性TNBC患者中诱导的免疫反应。II. 将根据基线、化疗导入期后(A部分)以及白蛋白结合型紫杉醇+度伐利尤单抗(MEDI4736)+替西木单抗+/-新抗原疫苗后(B部分)进行的研究性活检,评估治疗反应的生物标志物。

大纲:A部分:患者在每个周期的第1天和第8天接受盐酸吉西他滨静脉注射(IV)30分钟,以及卡铂静脉注射30分钟。在无疾病进展或不可接受的毒性情况下,治疗每21天重复一次,最长持续18周(6个周期)。出现疾病进展或对治疗不耐受的患者可转换接受白蛋白结合型紫杉醇静脉注射30分钟,在每个剩余周期的第1天、第8天和第15天给药;或接受sacituzumab govitecan-hziy静脉注射1-3小时,在每个剩余周期的第1天和第8天给药。白蛋白结合型紫杉醇治疗每28天重复一次,最多2个周期(针对疾病进展的患者),或直至完成总计18周的治疗(针对对治疗不耐受的患者),由主治医生酌情决定。sacituzumab govitecan-hziy治疗每21天重复一次,最多2个周期(针对疾病进展的患者),或直至完成总计18周的治疗(针对不耐受的患者

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。

获取专属数据定制方案