BAY 3547926 在晚期肝癌患者中的首次人体安全性及疗效研究
该数据集来自 clinicaltrials.gov,聚焦晚期肝细胞癌(HCC)患者中 BAY 3547926 的首次人体研究

基本信息
资源简介
BAY 3547926 在晚期肝癌患者中的首次人体安全性及疗效研究
该数据集来自 clinicaltrials.gov,聚焦晚期肝细胞癌(HCC)患者中 BAY 3547926 的首次人体研究。源站描述显示,研究旨在评估该药物在表达 Glypican 3(GPC3)的晚期 HCC 患者中的安全性和疗效,寻找最佳剂量,并观察药物在体内的吸收与分布。BAY 3547926 通过向癌细胞递送放射性物质来损伤并杀死癌细胞,且辐射距离短,预期对周围健康组织损伤较小。研究分为 4 个部分,参与者将接受不同剂量。数据可用于了解该药物的剂量探索与安全性特征(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):适应症:肝细胞癌。在这项研究中,研究人员希望了解一种新药 BAY 3547926 的安全性,以及该药物在患有一种称为晚期肝细胞癌(HCC)的肝癌患者中的疗效,这些患者的肿瘤具有一种称为 Glypican 3(GPC3)的特殊蛋白。研究人员希望找到 BAY 3547926 用于晚期 HCC 患者的最佳剂量,并观察药物在体内的吸收和分布方式。研究药物 BAY 3547926 将放射性物质递送至癌细胞。放射性物质发出辐射,可损伤癌细胞并导致其死亡。这些辐射传播距离很短,因此预期对周围健康组织造成的损伤很小。这是 BAY 3547926 首次在人体中进行的研究。参与者将参加研究的 4 个不同部分之一。在第 1 部分中,参与者将接受不同剂量的
【主题与分类】
主题标签:Hepatocellular Carcinoma。本站分类:肿瘤/肝癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT06764316
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/NCT06764316
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:肝细胞癌。在本研究中,研究人员希望了解一种新药BAY 3547926的安全性,以及该药对一种称为晚期肝细胞癌(HCC)的肝癌患者的疗效,该肝癌具有一种称为磷脂酰肌醇蛋白聚糖3(GPC3)的特殊蛋白。研究人员希望找到BAY 3547926用于晚期HCC患者的最佳剂量,并考察该药在体内的吸收和分布方式。研究药物BAY 3547926可将一种放射性物质递送至癌细胞。该放射性物质会发出辐射,能够损伤癌细胞并导致其死亡。这些辐射的传播距离很短,因此预计对周围健康组织的损伤很小。这是BAY 3547926首次在人体中进行的研究。受试者将参加该研究4个不同部分中的1个部分。在第1部分中,受试者将接受不同剂量的BAY 3547926单药治疗,以找到被认为安全且对受试者最有效的剂量。当确定该剂量后,更多受试者将在第2部分中接受BAY 3547926单药治疗,或在第3部分和第4部分中接受BAY 3547926联合其他治疗。
在研究期间,医生及其研究团队将进行健康检查、拍摄身体影像(扫描)、采集血液和尿液样本,并询问参与者他们的感受以及存在的健康问题。
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。




