CS08399 在 MTAP 缺失实体瘤与淋巴瘤受试者中的Ⅰ期研究

该数据集来自 clinicaltrials.gov,收录一项 CS08399 的Ⅰ期、开放标签、首次人体研究,覆盖胰腺腺癌、非小细胞肺癌、晚期实体瘤、淋巴瘤及弥漫大B细胞淋巴瘤(DLBCL)等 MTAP 缺失肿瘤受试者

Chipscreen Biosciences, Ltd.Chipscreen Biosciences, Ltd.
clinicaltrials
浏览 12
其他预测Pancreatic AdenocarcinomaNon Small Cell Lung CancerAdvanced Solid TumorsLymphomaDiffuse Large B-Cell Lymphoma (DLBCL)
A Phase Ⅰ Study of CS08399 in Participants With MTAP-deleted Solid Tumors and Lymphoma

基本信息

模态
其他
任务类型
预测
创建/更新时间
2026-10-17

资源简介

CS08399 在 MTAP 缺失实体瘤与淋巴瘤受试者中的Ⅰ期研究

该数据集来自 clinicaltrials.gov,收录一项 CS08399 的Ⅰ期、开放标签、首次人体研究,覆盖胰腺腺癌、非小细胞肺癌、晚期实体瘤、淋巴瘤及弥漫大B细胞淋巴瘤(DLBCL)等 MTAP 缺失肿瘤受试者。研究包含剂量递增(单次与多次给药)和队列扩展两个阶段,主要目的是评估 CS08399 的安全性、耐受性和药代动力学特征,并确定合适肿瘤的Ⅱ期推荐剂量(RP2D)。可用于肿瘤治疗领域的药物安全性、耐受性及剂量探索相关分析(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):适应症:胰腺腺癌、非小细胞肺癌、晚期实体瘤、淋巴瘤、弥漫大B细胞淋巴瘤(DLBCL)。这是一项 CS08399 的Ⅰ期、开放标签、首次人体研究,包括两个阶段:剂量递增(包括单次给药和多次给药)和队列扩展。本研究的主要目的是评估 CS08399 在 MTAP 缺失实体瘤和淋巴瘤受试者中的安全性、耐受性和药代动力学(PK)特征,并确定 CS08399 在合适肿瘤中的Ⅱ期推荐剂量(RP2D)。

【主题与分类】

主题标签:Pancreatic Adenocarcinoma、Non Small Cell Lung Cancer、Advanced Solid Tumors、Lymphoma、Diffuse Large B-Cell Lymphoma (DLBCL)。本站分类:肿瘤/肺癌。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT07583771

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/NCT07583771

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

适应症:胰腺腺癌、非小细胞肺癌、晚期实体瘤、淋巴瘤、弥漫性大B细胞淋巴瘤(DLBCL)。这是一项CS08399的I期、开放标签、首次人体研究,包括两个阶段:剂量递增(包括单次给药和多次给药)和队列扩展。本研究的主要目的是评估CS08399在MTAP缺失的实体瘤和淋巴瘤受试者中的安全性、耐受性和药代动力学(PK)特征,并推荐CS08399在适当肿瘤中的II期推荐剂量(RP2D)。

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