VMD-102 治疗肝细胞癌及其他实体瘤的 1 期和 2 期研究
该数据集来自 clinicaltrials.gov,对应一项 VMD-102 在肝细胞癌及其他实体瘤中的 1 期和 2 期研究

基本信息
资源简介
VMD-102 治疗肝细胞癌及其他实体瘤的 1 期和 2 期研究
该数据集来自 clinicaltrials.gov,对应一项 VMD-102 在肝细胞癌及其他实体瘤中的 1 期和 2 期研究。覆盖肝细胞癌、转移性葡萄膜黑色素瘤、肾细胞癌、非小细胞肺癌和结直肠癌。1 期采用 BOIN 设计进行剂量递增,评估安全性、药代动力学与耐受性并确定 MTD 和 RP2D;2 期采用 BOP2 设计进行剂量扩展。可用于肿瘤治疗相关的安全性、剂量探索与疗效预测研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:肝细胞癌(HCC)、转移性葡萄膜黑色素瘤、肾细胞癌(RCC)、非小细胞肺癌、结直肠癌(CRC)。1 期:1 期剂量递增将在约 25 名可评估受试者中评估 VMD-102 的递增剂量水平。该阶段将评估 VMD-102 在第 1 周期(21 天周期)期间的安全性、PKs 和耐受性。剂量递增将根据贝叶斯最优区间(BOIN)设计进行指导,基于剂量限制性毒性(DLT)的发生情况确定下一剂量水平,受试者为晚期 HCC、MUM、RCC、NSCLC 和 CRC 患者,以确定 MTD 和 RP2D。针对临床前已识别生物标志物的回顾性生物标志物研究可能利用从受试者采集的肿瘤组织和血液样本进行。2 期:2 期剂量扩展将采用贝叶斯最优 II 期(BOP2)设计来入组
【主题与分类】
主题标签:Hepatocellular Carcinoma (HCC)、Metastatic Uveal Melanoma、Renal Cell Carcinoma (RCC)、Nonsmall Cell Lung Cancer、Colorectal Cancer (CRC)。本站分类:肿瘤/肺癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07636785
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/NCT07636785
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(HCC)、转移性葡萄膜黑色素瘤、肾细胞癌(RCC)、非小细胞肺癌、结直肠癌(CRC)。1期:1期剂量递增将在约25名可评估受试者中评估VMD-102的递增剂量水平。该阶段将评估VMD-102在周期1(21天周期)中的安全性、药代动力学和耐受性。剂量递增将根据贝叶斯最优区间(BOIN)设计进行指导,根据剂量限制性毒性(DLT)的发生情况确定下一剂量水平,受试者包括晚期HCC、MUM、RCC、NSCLC和CRC患者,以确定MTD和RP2D。可利用从受试者采集的肿瘤组织和血液样本,对临床前已识别的生物标志物进行回顾性生物标志物研究。2期:2期剂量扩展将采用贝叶斯最优II期(BOP2)设计,入组受试者以评估VMD-102在队列1(约43名)HCC受试者和队列2(约43名)MUM、RCC、NSCLC和CRC受试者中的抗肿瘤活性和安全性。可通过修正案增加生物标志物指导的入组标准。
对于两个队列中的每一个,一旦确定了RP2D,第2阶段扩展可能会在两个队列中并行开展。
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。



![[68Ga]Ga-DPI-4452安全性和耐受性及影像学特征与[177Lu]Lu-DPI-4452在不可切除局部晚期或转移性实体瘤受试者中的安全性、耐受性和有效性研究](/medical-api/medicalDataset/datasetCover/102792.jpg)
