PF-08046054/SGN-PDL1V 治疗晚期实体瘤研究
覆盖非小细胞肺癌、头颈部鳞状细胞癌、食管鳞状细胞癌、三阴性乳腺癌、胃癌、子宫内膜癌、胰腺腺癌和肝细胞癌等瘤种。研究分五部分,A、B 部分确定给药剂量,C 部分评估该剂量下的安全性与疗效,并观察药物副作用

基本信息
资源简介
PF-08046054/SGN-PDL1V 治疗晚期实体瘤研究
该数据集来自 clinicaltrials.gov,收录一项关于 PF-08046054/SGN-PDL1V 单药及联合 pembrolizumab 治疗晚期实体瘤的临床研究。覆盖非小细胞肺癌、头颈部鳞状细胞癌、食管鳞状细胞癌、三阴性乳腺癌、胃癌、子宫内膜癌、胰腺腺癌和肝细胞癌等瘤种。研究分五部分,A、B 部分确定给药剂量,C 部分评估该剂量下的安全性与疗效,并观察药物副作用。适用于肿瘤治疗安全性、剂量探索及疗效预测等研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:非小细胞肺癌、头颈部鳞状细胞癌、食管鳞状细胞癌、三阴性乳腺癌、胃癌、子宫内膜癌、胰腺腺癌、肝细胞癌。本研究将测试一种名为 PF-08046054/SGN-PDL1V 的药物单用及与 pembrolizumab 联用在实体瘤受试者中的安全性。研究还将考察该药物的副作用。副作用是指药物对您身体产生的除治疗疾病以外的任何影响。受试者将患有已扩散至全身(转移性)或无法通过手术切除(不可切除)的实体瘤癌症。本研究将分为五个部分。研究的 A 部分和 B 部分将确定应给予受试者的 PF-08046054/SGN-PDL1V 剂量。C 部分将使用 A 部分和 B 部分确定的剂量,以了解 PF-08046054/SGN-PDL1V 的安全性以及它是否有效
【主题与分类】
主题标签:Carcinoma, Non-Small-Cell Lung、Esophageal Squamous Cell Carcinoma、Triple Negative Breast Neoplasms、Gastric Cancer、Endometrial Cancer、Pancreatic Adenocarcinoma、Hepatocellular Carcinoma。本站分类:肿瘤/肝癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT05208762
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/NCT05208762
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:非小细胞肺癌、头颈部鳞状细胞癌、食管鳞状细胞癌、三阴性乳腺癌、胃癌、子宫内膜癌、胰腺腺癌、肝细胞癌。本研究将测试一种名为PF-08046054/SGN-PDL1V的药物单独使用以及与帕博利珠单抗联合使用在实体瘤受试者中的安全性。研究还将探讨该药物的副作用。副作用是指药物对您的身体产生的除治疗疾病之外的其他任何影响。受试者将患有已扩散至全身(转移性)或无法通过手术切除(不可切除)的实体瘤癌症。本研究将分为五个部分。研究的A部分和B部分将确定应给予受试者的PF-08046054/SGN-PDL1V剂量。C部分将使用在A部分和B部分中确定的剂量,以了解PF-08046054/SGN-PDL1V的安全性及其治疗实体瘤癌症的效果。在D部分和E部分中,受试者将接受PF-08046054/SGN-PDL1V与帕博利珠单抗联合用药,以了解该联合方案的安全性及其治疗实体瘤癌症的效果。
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。




