Peg IFNα-2b治疗不可切除中晚期HBV-HCC研究

该数据集来自clinicaltrials.gov,为一项前瞻性真实世界研究,评估聚乙二醇干扰素α-2b(PegIntron®)联合靶向免疫治疗在不可切除中晚期慢性乙型肝炎相关肝细胞癌患者中的疗效与安全性

Jinling Hospital, ChinaJinling Hospital, China
clinicaltrials
浏览 2
其他预测HBV-HCC
Peg IFNα-2b Therapy for Unresectable Mid to Late Stage HBV-HCC

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

Peg IFNα-2b治疗不可切除中晚期HBV-HCC研究

该数据集来自clinicaltrials.gov,为一项前瞻性真实世界研究,评估聚乙二醇干扰素α-2b(PegIntron®)联合靶向免疫治疗在不可切除中晚期慢性乙型肝炎相关肝细胞癌患者中的疗效与安全性。研究拟入组20例既往接受且目前正在接受核苷(酸)类似物治疗的患者,符合入排标准者接受Pegasys®联合靶向免疫治疗,靶向药物与PD-1抑制剂依据CSCO指南推荐及临床实际决策选择。数据可用于肝癌免疫联合治疗的真实世界疗效与安全性分析(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):疾病:HBV-HCC、不可切除晚期HBV相关肝癌。本研究是一项前瞻性真实世界研究,旨在评估聚乙二醇干扰素α-2b(PegIntron®)联合靶向免疫治疗在不可切除中晚期慢性乙型肝炎相关肝细胞癌患者中的疗效与安全性。本研究拟入组20例既往接受过且目前正在接受核苷(酸)类似物治疗的不可切除中晚期慢性乙型肝炎相关肝细胞癌患者。经评估符合入组和排除标准的受试者将接受Pegasys®联合靶向免疫治疗。靶向治疗和PD-1抑制剂均根据实际临床决策选择,使用CSCO指南推荐的标准治疗药物。在……

【主题与分类】

主题标签:HBV-HCC。本站分类:肿瘤/肝癌。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT07769827

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/NCT07769827

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:HBV-HCC,不可切除的晚期HBV相关肝癌。本研究是一项前瞻性真实世界研究,旨在评估聚乙二醇干扰素α-2b(PegIntron®)联合靶向免疫治疗在不可切除的中晚期慢性乙型肝炎相关肝细胞癌患者中的疗效和安全性。本研究拟入组20例既往接受过且目前正在接受核苷(酸)类似物治疗的不可切除的中晚期慢性乙型肝炎相关肝细胞癌患者。经评估符合入组和排除标准的受试者将接受Pegasys®联合靶向免疫治疗。靶向治疗和PD-1抑制剂均将根据实际临床决策选择,使用CSCO指南推荐的标准治疗药物。研究期间,每6周定义为一个治疗周期,治疗将持续至疾病进展或出现不可接受的毒性。将按照方案完成随访,直至研究结束。

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