压力驱动递送SD-101联合检查点阻断治疗原发性肝肿瘤
研究设计为所有患者接受2个周期SD-101治疗,每周期含3次连续每周输注,周期1与2间隔一个月。确定推荐MTD或最佳剂量及可耐受CPI方案后

基本信息
资源简介
压力驱动递送SD-101联合检查点阻断治疗原发性肝肿瘤
该数据集来自clinicaltrials.gov,聚焦原发性肝肿瘤,涵盖Hepatocellular Carcinoma与Intrahepatic Cholangiocarcinoma两类患者。研究设计为所有患者接受2个周期SD-101治疗,每周期含3次连续每周输注,周期1与2间隔一个月。SD-101设剂量递增,分三组:单药(Cohort A)、联合pembrolizumab(Cohort B)、联合ipilimumab与nivolumab(Cohort C)。Cohort B从MABEL(2mg SD-101)起始,Cohort C从Cohort B的MTD或最佳剂量低一个剂量水平起始。确定推荐MTD或最佳剂量及可耐受CPI方案后。
【数据内容】
源站描述(机器翻译,仅供参考):条件:Hepatocellular Carcinoma、Intrahepatic Cholangiocarcinoma。所有患者将接受2个周期的SD-101。每个周期由3次连续每周输注组成,周期1和周期2间隔一个月。递增剂量的SD-101将单独给药(Cohort A)、与pembrolizumab联合给药(Cohort B),以及与ipilimumab和nivolumab联合给药(Cohort C)。Cohort B将从最小预期生物效应水平(MABEL(2mg SD-101))开始给药。Cohort C将从Cohort B的MTD或最佳剂量低一个剂量水平开始,以在将CPI加入SD-101时优化安全性。在确定SD-101的推荐MTD或最佳剂量以及哪些检查点抑制剂(CPI)方案可耐受后,研究将进入2期。2期患者将接受从1b期选择的SD-101剂量,联合全身单药或双药ag
【主题与分类】
主题标签:Hepatocellular Carcinoma、Intrahepatic Cholangiocarcinoma。本站分类:肿瘤/肝癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT05220722
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/NCT05220722
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、肝内胆管癌。所有患者将接受2个周期的SD-101治疗。每个周期包括连续3周每周一次输注,第1周期与第2周期之间间隔一个月。SD-101将以递增剂量单独给药(A组)、与帕博利珠单抗联合给药(B组),以及与伊匹木单抗和纳武利尤单抗联合给药(C组)。B组将从最低预期生物效应水平(MABEL,2mg SD-101)开始给药。C组将从低于B组MTD或最佳剂量一个剂量水平开始,以在SD-101基础上加用CPI时优化安全性。在确定SD-101的推荐MTD或最佳剂量以及可耐受的检查点抑制剂(CPI)方案后,研究将进入2期。2期患者将接受从1b期选出的SD-101剂量联合全身单药或双药检查点阻断治疗。2期选择单药或双药CPI治疗联合SD-101时,将综合考虑1b期B组和C组的安全性数据及缓解率。
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。




