Iparomlimab与Tuvonralimab新辅助治疗高危复发可切除肝细胞癌

条件:可切除且高复发风险的肝细胞癌。CCGLC-017是一项前瞻性、开放标签、单臂探索性临床研究。本研究主要评估iparomlimab与tuvonralimab(QL1706)作为术前新辅助治疗对无复发生存期(RFS)的影响,并探索性分析其对高复发风险可切除肝细胞癌(HCC)患者总生存期(OS)的潜

Tongji HospitalTongji Hospital
clinicaltrials
浏览 2
其他预测可切除肝细胞癌高危复发新辅助治疗IparomlimabTuvonralimabQL1706无复发生存期
Iparomlimab and Tuvonralimab as Neoadjuvant Therapy for Resectable Hepatocellular Carcinoma With High Risk of Recurrence

基本信息

模态
其他
任务类型
预测
创建/更新时间
2026-10-24

资源简介

Iparomlimab与Tuvonralimab新辅助治疗高危复发可切除肝细胞癌

Iparomlimab and Tuvonralimab as Neoadjuvant Therapy for Resectable Hepatocellular Carcinoma With High Risk of Recurrence 是一个来源于 clinicaltrials.gov 的肿瘤/肝癌领域数据集,对应研究编号 CCGLC-017。该研究是一项前瞻性、开放标签、单臂探索性临床研究,聚焦于可切除且高复发风险的肝细胞癌患者,评估 iparomlimab 与 tuvonralimab(QL1706)作为术前新辅助治疗对无复发生存期(RFS)的影响,并探索性分析其对总生存期(OS)的潜在获益。入组患者将在手术前一周内接受单剂 iparomlimab 与 tuvonralimab 治疗,术后继续接受六个周期的 iparomlimab 与 tuvonralimab 治疗。该数据集为关注肝癌围手术期免疫治疗研究方向的人员提供了与该临床研究相关的结构化信息入口。

【数据集背景】

肝细胞癌(HCC)是肝癌的主要病理类型之一,对于可切除但复发风险高的患者群体,围手术期治疗策略的优化是临床研究关注的方向。CCGLC-017 研究正是在这一背景下设计的前瞻性、开放标签、单臂探索性临床研究,旨在考察 iparomlimab 与 tuvonralimab(QL1706)联合方案作为术前新辅助治疗的价值。该数据集以该研究为主题,归类于肿瘤/肝癌方向,主题标签为“Resectable Hepatocellular Carcinoma With High Risk of Recurrence”,即“可切除且高复发风险的肝细胞癌”,明确了其关注的患者人群特征与研究定位。

【数据内容】

该数据集围绕 CCGLC-017 临床研究组织内容,核心信息包括研究条件(可切除且高复发风险的肝细胞癌)、研究设计类型(前瞻性、开放标签、单臂探索性临床研究)、研究干预方案(术前一周内单剂 iparomlimab 与 tuvonralimab,术后六个周期的 iparomlimab 与 tuvonralimab 治疗)以及研究的主要评价指标(无复发生存期 RFS)和探索性分析指标(总生存期 OS)。数据集英文名称完整反映了研究主题,即 iparomlimab 与 tuvonralimab 作为可切除且高复发风险肝细胞癌的新辅助治疗。关于数据集中具体包含的字段结构、样本量、随访时长、统计分析方法等细节,源站未提供。

【采集与来源】

该数据集来源于 clinicaltrials.gov,即美国国立医学图书馆运营的临床试验注册与信息平台。数据内容对应注册于该平台的 CCGLC-017 临床研究条目,属于临床试验注册信息类数据。源站描述提供了该研究的研究条件、研究设计、干预方案和评价指标等概要信息。关于数据的具体采集时间、更新频率、数据提取方式以及是否经过二次加工等信息,源站未提供。

【适用场景】

该数据集适用于肿瘤学、肝癌临床研究及相关转化医学领域的信息检索与参考。具体而言,可用于了解可切除且高复发风险肝细胞癌围手术期免疫治疗研究的设计思路,包括新辅助与术后辅助治疗的给药安排;也可作为肝癌临床试验注册信息的检索对象,帮助研究人员快速定位以 RFS 为主要终点、以 OS 为探索性终点的单臂探索性研究。此外,该数据集可用于临床试验方法学讨论中的案例参考,例如开放标签、单臂设计在探索性研究中的应用。关于该数据集在药物研发决策、系统评价或荟萃分析中的具体适用性,源站未提供。

【使用方法】

使用者可依据数据集英文名称或主题标签在相关数据平台中检索该条目,获取 CCGLC-017 研究的注册概要信息。在使用时,可结合研究条件、研究设计、干预方案与评价指标等要素,理解该研究的基本框架。由于该数据集为临床研究注册信息类数据,使用时应将其视为研究方案层面的概要描述,而非研究结果数据。关于数据的具体调用接口、检索语法、字段映射或分析工具等操作层面的说明,源站未提供。

【质量与限制】

该数据集的信息来源于 clinicaltrials.gov 的注册条目,其内容以源站描述为准。由于该研究为单臂探索性设计,且数据集仅呈现研究方案概要,不包含研究结果数据,因此不能据此推断干预措施的疗效或安全性结论。数据集中未提供样本量、随访时间、统计假设、入排标准全文等信息,源站未提供这些细节。此外,临床试验注册信息可能随研究进展而更新,使用者应注意核对源站的最新状态。关于数据的完整性、准确性验证方法及版本管理信息,源站未提供。

【引用与许可】

该数据集对应的研究注册于 clinicaltrials.gov,研究编号为 CCGLC-017。引用时应注明数据来源为 clinicaltrials.gov 及对应研究条目。关于该数据集的具体引用格式、许可协议、使用条款及再分发限制,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/NCT06954116

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:可切除的高复发风险肝细胞癌。CCGLC-017是一项前瞻性、开放标签、单臂、探索性临床研究。本研究主要评估iparomlimab和tuvonralimab(QL1706)作为术前新辅助治疗对无复发生存期(RFS)的影响,并探索性分析其在高复发风险可切除肝细胞癌(HCC)患者中对总生存期(OS)的潜在获益。入组患者将在手术前一周内接受单剂iparomlimab和tuvonralimab治疗,术后再接受六个周期的iparomlimab和tuvonralimab治疗。

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