ASN007 治疗晚期实体瘤的研究
该数据集来自 clinicaltrials.gov,收录一项关于 ASN007 治疗晚期实体瘤的临床研究。研究分为两部分:Part A 为剂量递增研究,旨在确定 ASN007 的安全耐受剂量,并通过采血和可选活检描述其药代动力学与药效动力学;Part B 按推荐 II 期剂量入组特定肿瘤类型及基因突

基本信息
资源简介
ASN007 治疗晚期实体瘤的研究
该数据集来自 clinicaltrials.gov,收录一项关于 ASN007 治疗晚期实体瘤的临床研究。研究分为两部分:Part A 为剂量递增研究,旨在确定 ASN007 的安全耐受剂量,并通过采血和可选活检描述其药代动力学与药效动力学;Part B 按推荐 II 期剂量入组特定肿瘤类型及基因突变患者,分为五组、每组十五人,涵盖 BRAF 突变转移性黑色素瘤、NRAS 和 HRAS 突变实体瘤、KRAS 突变结直肠癌等。数据可用于肿瘤治疗相关的分类研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:癌症、恶性肿瘤、瘤形成、肿瘤、肿瘤转移、结肠癌、结肠肿瘤、结肠癌肝转移。Part A 是一项剂量递增研究,旨在确定 ASN007 对晚期实体瘤患者的安全且可耐受的剂量。Part A 还将通过采血和可选活检描述身体对 ASN007 的作用(药代动力学)以及 ASN007 对身体的影响(药效动力学)。研究的 Part B 将入组具有特定肿瘤类型和基因突变的患者,以推荐 II 期剂量进行治疗。Part B 将入组五组患者,每组十五人:第 1 组:转移性 BRAF 突变黑色素瘤患者;第 2 组:转移性 NRAS 和 HRAS 突变实体瘤患者;第 3 组:转移性 KRAS 突变结直肠癌(CRC)患者;第 4 组:转移性 KRAS 突变
【主题与分类】
主题标签:Cancer、Malignancy、Neoplasia、Neoplasm、Neoplasm Metastasis、Colon Cancer、Colonic Neoplasms、Colon Cancer Liver Metastasis、Metastatic Cancer、Metastatic Melanoma。本站分类:肿瘤/肺癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT03415126
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/NCT03415126
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:癌症、恶性肿瘤、肿瘤形成、肿瘤、肿瘤转移、结肠癌、结肠肿瘤、结肠癌肝转移。A部分是一项剂量递增研究,旨在确定ASN007对晚期实体瘤患者的安全且可耐受的剂量。A部分还将通过血液采样和可选活检来描述ASN007在体内的作用(药代动力学)以及ASN007对身体的影响(药效动力学)。研究的B部分将招募具有特定肿瘤类型和基因突变的患者,以推荐的第2阶段剂量进行治疗。B部分将招募患者进入五个组,每组十五名患者:第1组:转移性BRAF突变黑色素瘤患者;第2组:转移性NRAS和HRAS突变实体瘤患者;第3组:转移性KRAS突变结直肠癌(CRC)患者;第4组:转移性KRAS突变非小细胞肺癌(NSCLC)患者;第5组:转移性胰腺导管腺癌(PDAC)患者。黑色素瘤患者需进行给药前和给药后活检。
第6组:转移性MEK1、BRAF V600E、非BRAF V600E实体瘤或BRAF融合患者,既往未接受过BRAF、MEK、ERK抑制剂治疗
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。




