AZD6244(ARRY-142886)联合标准化疗治疗晚期实体瘤的I期开放标签多中心安全性、耐受性和药代动力学研究

该数据集来自clinicaltrials.gov,聚焦AZD6244(ARRY-142886)联合标准化疗治疗晚期实体瘤的I期开放标签多中心研究

AstraZenecaAstraZeneca
clinicaltrials
浏览 15
表格预测Breast CancerBreast NeoplasmsColon CancerColonic CancerColon NeoplasmsLung CancerMelanomaKidney Cancer
A Phase I, Open-Label, Multi-center Study to Assess the Safety, Tolerability and Pharmacokinetics of AZD6244 (ARRY-142886)

基本信息

模态
表格
任务类型
预测
创建/更新时间
2026-10-11

资源简介

AZD6244(ARRY-142886)联合标准化疗治疗晚期实体瘤的I期开放标签多中心安全性、耐受性和药代动力学研究

该数据集来自clinicaltrials.gov,聚焦AZD6244(ARRY-142886)联合标准化疗治疗晚期实体瘤的I期开放标签多中心研究。覆盖乳腺癌、结肠癌、肺癌、黑色素瘤和肾癌等癌种,旨在评估联合方案的安全性、耐受性及药代动力学特征,确定最高耐受剂量,并观察药物在体内的吸收、分布、排泄及滞留时间,同时通过初始和定期评估建立患者对联合治疗的反应。可用于肿瘤治疗响应预测、安全性分析及药代动力学建模等研究(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):条件:乳腺癌、乳腺肿瘤、结肠癌、结肠癌、结肠肿瘤、肺癌、黑色素瘤、肾癌。本研究旨在确定AZD6244每日口服两次与选定标准化疗药物联合使用对晚期实体瘤癌症患者是否安全且可耐受。将评估AZD6244与选定化疗药物联合使用的最高耐受剂量。该研究还将调查AZD6244与标准化疗药物联合使用后如何在体内被吸收、分布和排泄,以及药物在体内停留的时间长度。初始和定期评估将确定患者对联合治疗的反应。

【主题与分类】

主题标签:Breast Cancer、Breast Neoplasms、Colon Cancer、Colonic Cancer、Colon Neoplasms、Lung Cancer、Melanoma、Kidney Cancer。本站分类:肿瘤/肺癌。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT00600496

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/NCT00600496

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

疾病:乳腺癌、乳腺肿瘤、结肠癌、结肠癌、结肠肿瘤、肺癌、黑色素瘤、肾癌。本研究旨在确定AZD6244每日口服两次联合选定化疗药物标准剂量对晚期实体瘤患者是否安全且可耐受。将评估AZD6244与选定化疗药物联合使用的最高耐受剂量。本研究还将探讨AZD6244与标准化疗药物联合使用后在体内的吸收、分布和排泄情况,以及药物在体内停留的时间。初始及定期评估将确定患者对联合治疗的反应。

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