TORL-4-500 在晚期癌症患者中的首次人体Ⅰ期研究
该数据集来自 clinicaltrials.gov,收录一项 TORL-4-500 在晚期癌症患者中开展的首次人体Ⅰ期研究

基本信息
资源简介
TORL-4-500 在晚期癌症患者中的首次人体Ⅰ期研究
该数据集对应一项在晚期癌症患者中开展的首次人体Ⅰ期临床研究,研究药物为 TORL-4-500。研究关注的适应症包括晚期实体瘤与肝细胞癌,旨在评估该药物在人体内的安全性、耐受性、药代动力学特征以及抗肿瘤活性。数据集来源于 clinicaltrials.gov,主题标签涵盖晚期实体瘤与肝细胞癌,本站将其归入肿瘤 / 肝癌分类。作为一项首次人体研究,其记录对于了解 TORL-4-500 的早期临床开发定位具有参考价值,适合关注晚期实体瘤与肝癌创新疗法研发进展的研究者、临床团队及相关从业人员查阅。
【数据集背景】
该数据集所记录的研究是一项针对 TORL-4-500 的首次人体(First in Human)Ⅰ期研究,受试人群为晚期癌症患者。研究涉及的疾病条件包括晚期实体瘤与肝细胞癌。作为首次进入人体研究的候选药物,该研究处于临床开发的早期阶段,其核心目的是在人体中初步探索药物的安全性、耐受性、药代动力学与抗肿瘤活性。本站将该数据集归入肿瘤 / 肝癌分类,反映出其与肿瘤学尤其是肝癌方向的关联。
【数据内容】
数据集围绕 TORL-4-500 在晚期癌症患者中的Ⅰ期研究展开,覆盖的研究内容包括安全性、耐受性、药代动力学和抗肿瘤活性四个方面的评价。研究条件涵盖晚期实体瘤与肝细胞癌。根据源站描述,研究分为不同部分,其中第一部分(Part 1)将评估任何晚期或转移性实体瘤恶性肿瘤,并举例提及肾上腺皮质癌(ACC)。主题标签为晚期实体瘤与肝细胞癌。除上述内容外,数据集的具体字段结构、变量数量、记录条数等细节源站未提供。
【采集与来源】
该数据集来自 clinicaltrials.gov,即美国临床试验注册平台。源站描述明确了研究条件为晚期实体瘤与肝细胞癌,并说明这是一项首次人体研究,用于评估 TORL-4-500 在晚期癌症患者中的安全性、耐受性、药代动力学和抗肿瘤活性。关于数据采集的具体时间范围、更新频率、采集方法等信息,源站未提供。
【适用场景】
基于现有信息,该数据集适用于了解 TORL-4-500 这一候选药物在晚期癌症患者中首次人体Ⅰ期研究的登记信息,可用于关注晚期实体瘤与肝细胞癌早期临床研究进展的场景,也可作为肿瘤学领域研究者、临床医生和相关从业人员检索该研究基本情况的入口。关于更具体的分析用途或应用案例,源站未提供。
【使用方法】
源站未提供该数据集的具体使用方法,包括数据获取方式、格式说明、字段解释或分析建议等。
【质量与限制】
该数据集为临床研究登记信息,其内容以源站描述为准。由于是首次人体Ⅰ期研究,研究处于早期阶段,相关结论尚待研究完成后的结果披露。数据集中未包含研究结果数据、样本量、具体终点指标数值等信息,源站未提供这些内容。使用者应注意该数据集的登记性质,不宜将其视为研究结论或疗效证据。
【引用与许可】
源站未提供该数据集的引用格式与许可信息。
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/NCT06005740
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、肝细胞癌。这项首次人体研究将评估TORL-4-500在晚期癌症患者中的安全性、耐受性、药代动力学和抗肿瘤活性。第1部分将评估任何晚期或转移性实体瘤恶性肿瘤,例如肾上腺皮质癌(ACC)。
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)

