177Lu-anti-PD-L1 sdAb在转移性实体瘤中的研究
该数据集来自clinicaltrials.gov,聚焦177Lu-RAD204在转移性实体瘤中的首次人体Phase 0/1研究,覆盖PDL1基因突变、非小细胞肺癌、小细胞肺癌、三阴性乳腺癌、皮肤黑色素瘤、头颈鳞癌、子宫内膜癌及MMR缺陷等适应症

基本信息
资源简介
177Lu-anti-PD-L1 sdAb在转移性实体瘤中的研究
该数据集来自clinicaltrials.gov,聚焦177Lu-RAD204在转移性实体瘤中的首次人体Phase 0/1研究,覆盖PDL1基因突变、非小细胞肺癌、小细胞肺癌、三阴性乳腺癌、皮肤黑色素瘤、头颈鳞癌、子宫内膜癌及MMR缺陷等适应症。研究评估安全性与耐受性,确定MTD和/或推荐剂量,并考察生物分布、辐射剂量学及初步抗肿瘤活性。筛查期给予低剂量成像剂量以评估剂量学并确认病灶,治疗期每6周给药一次。数据可用于肿瘤免疫治疗与放射性药物相关研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:PDL1基因突变、非小细胞肺癌、小细胞肺癌(SCLC)、TNBC、三阴性乳腺癌、皮肤黑色素瘤、HNSCC、子宫内膜癌、MMR缺陷。这是一项Phase 0/1、首次人体(FIH)研究,旨在评估177Lu-RAD204在选定实体瘤参与者中的安全性和耐受性,并确定MTD和/或未来探索的推荐剂量。将评估177Lu-RAD204的生物分布、辐射剂量学和初步抗肿瘤活性。在筛查期(最多4周),参与者在进入治疗期之前将接受成像剂量(低剂量177Lu-RAD204),以评估剂量学并确认病灶存在。治疗期(Phase 1剂量递增):177Lu-RAD204治疗 参与者将每6周接受一次治疗剂量(一个周期)。 参与者可能被tr
【主题与分类】
主题标签:PDL1 Gene Mutation、Non Small Cell Lung Cancer、Small Cell Lung Cancer ( SCLC )、TNBC, Triple Negative Breast Cancer、Cutaneous Melanoma、HNSCC、Endometrial Cancer、Mmr Deficiency、MSI-High。本站分类:肿瘤/肺癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT06305962
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/NCT06305962
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:PDL1基因突变、非小细胞肺癌、小细胞肺癌(SCLC)、三阴性乳腺癌(TNBC)、皮肤黑色素瘤、头颈部鳞状细胞癌(HNSCC)、子宫内膜癌、错配修复缺陷(MMR Deficiency)。这是一项0/1期、首次人体(FIH)研究,旨在评估177Lu-RAD204在选定实体瘤受试者中的安全性和耐受性,并确定最大耐受剂量(MTD)和/或未来探索的推荐剂量。将评估177Lu-RAD204的生物分布、辐射剂量学和初步抗肿瘤活性。在筛选期(最长4周),受试者将接受成像剂量(低剂量177Lu-RAD204),以评估剂量学并确认病灶存在,之后进入治疗期。治疗期(1期剂量递增):177Lu-RAD204治疗 * 受试者将每6周接受一次治疗剂量(一个周期)。 * 只要研究者判定受试者似乎获得临床获益,且有充分的临床安全性和器官剂量学数据,受试者可接受多个周期的治疗。
- 为提高177Lu-RAD204在肿瘤与健康器官分布中的比例,可给予过量未标记的RAD204。
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。
需要用于商业化训练或医疗器械注册(NMPA/FDA)?
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连,提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。




