SEA-TGT (SGN-TGT) 在晚期癌症中的安全性研究
该数据集来自 clinicaltrials.gov,聚焦于药物 SEA-TGT(又称 SGN-TGT)在晚期实体瘤与淋巴瘤中的安全性研究

基本信息
资源简介
SEA-TGT (SGN-TGT) 在晚期癌症中的安全性研究
该数据集来自 clinicaltrials.gov,聚焦于药物 SEA-TGT(又称 SGN-TGT)在晚期实体瘤与淋巴瘤中的安全性研究。覆盖非小细胞肺癌、胃癌、胃食管交界癌、经典型霍奇金淋巴瘤、弥漫大B细胞淋巴瘤、外周T细胞淋巴瘤、皮肤黑色素瘤及头颈部鳞状细胞癌等适应症。研究分为四部分:A部分确定给药剂量,B部分评估该剂量的安全性与疗效,C部分研究SEA-TGT联合sasanlimab的疗效。数据可用于肿瘤安全性分析、剂量探索及疗效评估等场景(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:非小细胞肺癌、胃癌、胃食管交界癌、经典型霍奇金淋巴瘤、弥漫大B细胞淋巴瘤、外周T细胞淋巴瘤、皮肤黑色素瘤、头颈部鳞状细胞癌。本试验将研究一种名为SEA-TGT(也称为SGN-TGT)的药物,以确定其对实体瘤和淋巴瘤患者是否安全。它将研究SEA-TGT以了解其副作用是什么。副作用是药物除治疗癌症外所做的任何事情。它还将研究SEA-TGT是否能治疗实体瘤和淋巴瘤。该研究将分为四个部分。研究的A部分将确定应给患者多少SEA-TGT。B部分将使用A部分确定的剂量来了解SEA-TGT的安全性以及它是否能治疗实体瘤和淋巴瘤。C部分将研究SEA-TGT联合sasanlimab治疗实体瘤的疗效。
【主题与分类】
主题标签:Non-small Cell Lung Cancer、Gastric Carcinoma、Gastroesophageal Junction Carcinoma、Classical Hodgkin Lymphoma、Diffuse Large B-cell Lymphoma、Peripheral T-cell Lymphoma、Cutaneous Melanoma、Head and Neck Squamous Cell Carcinoma、Bladder Cancer、Ovarian Cancer。本站分类:肿瘤/肺癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT04254107
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/NCT04254107
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:非小细胞肺癌、胃癌、胃食管交界处癌、经典型霍奇金淋巴瘤、弥漫性大B细胞淋巴瘤、外周T细胞淋巴瘤、皮肤黑色素瘤、头颈部鳞状细胞癌。本试验将研究一种名为SEA-TGT(也称为SGN-TGT)的药物,以确定其对实体瘤和淋巴瘤患者是否安全。研究将探讨SEA-TGT的副作用。副作用是指药物除治疗癌症外产生的任何其他作用。研究还将探讨SEA-TGT治疗实体瘤和淋巴瘤是否有效。本研究分为四个部分。A部分将确定应给予患者的SEA-TGT剂量。B部分将使用A部分确定的剂量,评估SEA-TGT的安全性及其治疗实体瘤和淋巴瘤的疗效。C部分将研究SEA-TGT联合sasanlimab治疗实体瘤的效果。D部分将研究SEA-TGT联合brentuximab vedotin治疗经典型霍奇金淋巴瘤(cHL)的效果。
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。




