TS-104肽药物偶联物单药治疗选定晚期实体瘤受试者的I期首次人体开放标签剂量递增和剂量扩展研究
TS-104是在对其他治疗未响应的特定晚期实体瘤患者中研究的药物,包括NSCLC、HNSCC、食管癌、胃癌、卵巢癌、子宫内膜癌及头颈癌

基本信息
资源简介
TS-104肽药物偶联物单药治疗选定晚期实体瘤受试者的I期首次人体开放标签剂量递增和剂量扩展研究
TS-104是在对其他治疗未响应的特定晚期实体瘤患者中研究的药物,包括NSCLC、HNSCC、食管癌、胃癌、卵巢癌、子宫内膜癌及头颈癌。TS-104为肽-药物偶联物,经靶向肽与实体瘤常见整合素结合,递送MMAE。研究评估其安全性、耐受性及治疗实体瘤的作用,分剂量递增和剂量扩展,给药为每三周两次(21天周期)或每两周一次(28天周期)(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):适应症:NSCLC(非小细胞肺癌)、HNSCC、子宫内膜癌、卵巢癌、食管癌、头颈癌、胃癌(GC)、子宫内膜癌。本研究正在对一种名为 TS-104 的研究性药物进行测试,受试者为患有特定晚期实体瘤且对其他治疗无应答的参与者。主要目的是了解 TS-104 是否安全以及其耐受性如何。研究还将评估 TS-104 是否能有效治疗实体瘤。TS-104 是一种肽-药物偶联物,它利用一种可与实体瘤中常见的某些整合素结合的靶向肽,将抗癌药物单甲基奥瑞他汀 E(MMAE)递送至肿瘤。该研究分为两部分:1. 剂量递增:逐渐增加 TS-104 的剂量并进行测试,以找到合适的剂量。剂量递增阶段将入组患有头颈部鳞状细胞癌(HNSCC)、非小细胞肺癌(NSCLC)、食管癌、胃癌、卵巢癌和子宫内膜癌的晚期实体瘤参与者。2. 剂量扩展:将在更多参与者中测试一个或多个特定剂量。TS-104 将按以下两种方案之一给药:每三周两次(21天治疗周期)或每两周一次(28天治疗周期)。
【主题与分类】
主题标签:NSCLC (Non-small Cell Lung Cancer)、HNSCC、Endometrial、Ovarian Cancer、Esophageal Cancer、Head & Neck Cancer、Gastric Cancer (GC)、Endometrial Cancer。本站分类:肿瘤/肺癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07814248
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/NCT07814248
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:NSCLC(非小细胞肺癌)、HNSCC、子宫内膜癌、卵巢癌、食管癌、头颈癌、胃癌(GC)、子宫内膜癌。本研究正在对一种名为 TS-104 的研究性药物进行测试,受试者为患有特定晚期实体瘤且对其他治疗无应答的参与者。主要目的是了解 TS-104 是否安全以及其耐受性如何。研究还将评估 TS-104 是否能有效治疗实体瘤。TS-104 是一种肽-药物偶联物,它利用一种可与实体瘤中常见的某些整合素结合的靶向肽,将抗癌药物单甲基奥瑞他汀 E(MMAE)递送至肿瘤。该研究分为两部分:1. 剂量递增:逐渐增加 TS-104 的剂量并进行测试,以找到合适的剂量。剂量递增阶段将入组患有头颈部鳞状细胞癌(HNSCC)、非小细胞肺癌(NSCLC)、食管癌、胃癌、卵巢癌和子宫内膜癌的晚期实体瘤参与者。2. 剂量扩展:将在更多参与者中测试一个或多个特定剂量。TS-104 将按以下两种方案之一给药:每三周两次(21天治疗周期)或每两周一次(28天治疗周期)。
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。




