OATD-02治疗晚期/转移性实体瘤的首次人体I期安全性、耐受性与抗肿瘤活性研究
该数据集来自clinicaltrials.gov,为一项首次人体I期临床试验,评估OATD-02在晚期和/或转移性实体瘤患者中的安全性、耐受性及抗肿瘤活性

基本信息
资源简介
OATD-02治疗晚期/转移性实体瘤的首次人体I期安全性、耐受性与抗肿瘤活性研究
该数据集来自clinicaltrials.gov,为一项首次人体I期临床试验,评估OATD-02在晚期和/或转移性实体瘤患者中的安全性、耐受性及抗肿瘤活性。覆盖晚期卵巢癌、晚期肾细胞癌、晚期胰腺癌、晚期结直肠癌及其转移性类型。研究采用Modified Bayesian Optimal Interval(BOIN)设计,通过划分毒性概率区间进行剂量选择决策。受试者由参与研究者识别并转介,依据入排标准确定入组资格。可用于分析剂量探索、安全性终点及抗肿瘤活性相关预测(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:晚期卵巢癌、晚期肾细胞癌、晚期胰腺癌、晚期结直肠癌、转移性胰腺癌、转移性结直肠癌、转移性肾细胞癌、转移性卵巢癌。在本研究中,适合入组的受试者将由参与研究的研究者识别。这些受试者将通过联系这些研究者被识别,并按照方案转介入组。本方案将包括根据入组和排除标准确定入组适宜性。研究设计基于Modified Bayesian Optimal Interval(BOIN)设计。BOIN设计通过将毒性概率划分为一组区间来运作。该设计通过当前剂量的毒性概率被认为所处的区间来做出剂量选择决策
【主题与分类】
主题标签:Advanced Ovarian Carcinoma、Advanced Renal Cell Carcinoma、Advanced Pancreatic Carcinoma、Advanced Colorectal Carcinoma、Metastatic Pancreatic Carcinoma、Metastatic Colorectal Carcinoma、Metastatic Renal Cell Carcinoma、Metastatic Ovarian Carcinoma。本站分类:肿瘤/肾癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT05759923
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/NCT05759923
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
疾病类型:晚期卵巢癌、晚期肾细胞癌、晚期胰腺癌、晚期结直肠癌、转移性胰腺癌、转移性结直肠癌、转移性肾细胞癌、转移性卵巢癌。在本研究中,适合入组的受试者将由参与研究的研究者确定。这些受试者将通过与研究者的联系被识别,并按照方案转介入组。本方案将包括根据入选和排除标准确定入组适宜性。研究设计基于改良贝叶斯最优区间(BOIN)设计。BOIN设计的工作原理是将毒性概率划分为一组区间。该设计通过判断当前剂量的毒性概率所落入的区间来做出剂量选择决策。BOIN旨在寻找毒性概率接近某一预设目标水平的剂量。患者总数将为30例(若剂量限制性毒性(DLT)不可评估,则额外增加10例替代患者)。研究治疗将持续最长6个月。
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)



