JMT108治疗晚期实体瘤的1期研究
该数据集来自clinicaltrials.gov,收录一项关于JMT108在晚期实体瘤患者中开展的1期研究。研究为单药、两部分设计,包含剂量递增(Phase 1a)和扩展阶段,受试者为局部晚期或转移性实体瘤、对现有标准治疗无响应或不耐受、或无标准治疗可用的患者

基本信息
资源简介
JMT108治疗晚期实体瘤的1期研究
该数据集来自clinicaltrials.gov,收录一项关于JMT108在晚期实体瘤患者中开展的1期研究。研究为单药、两部分设计,包含剂量递增(Phase 1a)和扩展阶段,受试者为局部晚期或转移性实体瘤、对现有标准治疗无响应或不耐受、或无标准治疗可用的患者。剂量递增采用BOIN设计,依次探索0.1 mg/kg、0.3 mg/kg、1 mg/kg和2 mg/kg四个剂量水平,以确定MTD,目标毒性率为0.3,最大样本量30例,按3例一组入组。数据可用于分析剂量探索与安全性结局(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:癌症、癌症(实体瘤)。这项1期研究是一项单药、两部分(包括剂量递增和扩展)研究,在局部晚期或转移性实体瘤患者中进行,这些患者对所有标准治疗无响应或不耐受,或没有可用的标准治疗。剂量递增(Phase 1a)——剂量递增将采用BOIN设计进行。在剂量递增阶段,将依次递增总共4个剂量水平——0.1 mg/kg、0.3 mg/kg、1 mg/kg和2 mg/kg。本研究剂量递增部分采用BOIN设计以确定MTD。MTD的目标毒性率为0.3,剂量递增BOIN设计的最大样本量为30名参与者。参与者按3例一组入组接受治疗。剂量递增和递减决策基于DLT的发生情况做出,在
【主题与分类】
主题标签:Cancer、Cancer (Solid Tumors)。本站分类:肿瘤/肺癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07317505
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/NCT07317505
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:癌症、癌症(实体瘤)。本项1期研究为单药、两部分(包括剂量递增和扩展)研究,在局部晚期或转移性实体瘤患者中开展,这些患者对所有标准治疗无应答或不耐受,或无可用的标准治疗。剂量递增(1a期)——剂量递增将采用BOIN设计进行。在剂量递增阶段,共4个剂量水平——0.1 mg/kg、0.3 mg/kg、1 mg/kg和2 mg/kg——将依次递增。本研究剂量递增部分采用BOIN设计以确定MTD。MTD的目标毒性率为0.3,剂量递增BOIN设计的最大样本量为30名受试者。受试者按3例为一组入组接受治疗。剂量递增和递减决策基于DLT观察窗内DLT的发生情况。经SMC全面评估后,可在最高递增剂量水平与次低剂量水平之间增加一个或多个剂量水平,以更好地进行DLT评估。
剂量递增阶段包括筛选期(D-28至D-1)、治疗期、治疗结束(EOT)访视以及随访期。队列扩展(1b期)——根据1a期的结果,将确定研究队列扩展阶段的给药剂量和频率。如有必要,可选择几种不同的剂量/频率进行队列扩展。受试者可能被纳入队列扩展研究,肿瘤类型包括但不限于队列1:肺癌,队列2:结直肠癌,队列3:肝癌,队列4:胃癌,队列5:黑色素瘤,以及队列6:其他晚期实体瘤(包括宫颈癌、肾癌、胆管癌、头颈部鳞状细胞癌等)。
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。




