抗CD73抗体IPH5301单药或联合化疗与曲妥珠单抗治疗晚期实体瘤的I期首次人体研究
该数据集来自clinicaltrials.gov,收录一项关于抗CD73抗体IPH5301治疗晚期和/或转移性癌症的I期首次人体、多中心欧洲研究

基本信息
资源简介
抗CD73抗体IPH5301单药或联合化疗与曲妥珠单抗治疗晚期实体瘤的I期首次人体研究
该数据集来自clinicaltrials.gov,收录一项关于抗CD73抗体IPH5301治疗晚期和/或转移性癌症的I期首次人体、多中心欧洲研究。覆盖转移性癌症、转移性乳腺癌、转移性胰腺癌、转移性胃癌、转移性肺癌、转移性卵巢癌、食管癌和子宫内膜癌等适应症。研究分两部分:第一部分为剂量递增,确定IPH5301单药的最大耐受剂量和推荐II期剂量,并进行安全性扩展;第二部分为扩展队列,计划入组12例HER2表达乳腺癌患者,评估IPH5301联合化疗和曲妥珠单抗的推荐剂量。可用于肿瘤免疫治疗、剂量探索和联合用药研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):Conditions: Metastatic Cancer, Metastatic Breast Cancer, Metastatic Pancreatic Cancer, Metastatic Gastric Cancer, Metastatic Lung Cancer, Metastatic Ovary Cancer, Oesophageal Cancer, Endometrial Cancer. CHANCES-IPC 2021-008 是一项首次人体、I期、多中心、欧洲研究,评估抗CD73抗体IPH5301在晚期和/或转移性癌症中的作用。该试验将分两部分进行,第一部分-剂量递增:本部分旨在确定IPH5301单药治疗的最大耐受剂量(MTD)和未来试验的推荐II期剂量(RP2D),随后进行安全性扩展研究部分队列。第二部分-扩展队列:计划将总共12例HER2表达乳腺癌患者纳入下一个扩展队列,以选择IPH5301与化疗和曲妥珠单抗联合给药的推荐剂量,用于未来试验中的评估。
【主题与分类】
主题标签:Metastatic Cancer、Metastatic Breast Cancer、Metastatic Pancreatic Cancer、Metastatic Gastric Cancer、Metastatic Lung Cancer、Metastatic Ovary Cancer、Oesophageal Cancer、Endometrial Cancer、Advanced Solid Tumor。本站分类:肿瘤/肺癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT05143970
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/NCT05143970
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
疾病类型:转移性癌症、转移性乳腺癌、转移性胰腺癌、转移性胃癌、转移性肺癌、转移性卵巢癌、食管癌、子宫内膜癌。CHANCES-IPC 2021-008是一项首次人体、I期、多中心、欧洲研究,评估抗CD73药物IPH5301在晚期和/或转移性癌症中的应用。该试验将分为两部分进行,第一部分——剂量递增:本部分旨在确定IPH5301单药治疗的最大耐受剂量(MTD)以及未来试验的推荐2期剂量(RP2D),随后进行安全性扩展研究队列。第二部分——扩展队列:计划共纳入12名HER2表达乳腺癌患者进入下一个扩展队列,以选择IPH5301与化疗和曲妥珠单抗联合给药的推荐剂量,用于未来在选定晚期实体瘤中的评估。
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。

![[225Ac]-FPI-2068在晚期实体瘤成人患者中的1期剂量递增研究](/medical-api/medicalDataset/datasetCover/42245.jpg)


