Dato-DXd 在中国晚期非小细胞肺癌、三阴性乳腺癌及其他实体瘤患者中的研究(TROPION-PanTumor02)
该数据集来自 clinicaltrials.gov,对应一项在中国晚期或转移性实体瘤成人患者中开展的 1/2 期、多中心、开放标签、多队列、单臂研究,评估 Dato-DXd 的疗效、安全性、药代动力学和免疫原性

基本信息
资源简介
Dato-DXd 在中国晚期非小细胞肺癌、三阴性乳腺癌及其他实体瘤患者中的研究(TROPION-PanTumor02)
该数据集来自 clinicaltrials.gov,对应一项在中国晚期或转移性实体瘤成人患者中开展的 1/2 期、多中心、开放标签、多队列、单臂研究,评估 Dato-DXd 的疗效、安全性、药代动力学和免疫原性。起始队列包括非小细胞肺癌(Cohort 1)和三阴性乳腺癌(Cohort 2),未来队列将纳入其他晚期或转移性实体瘤类型。数据可用于肿瘤治疗相关研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):适应症:非小细胞肺癌、三阴性乳腺癌。这是一项 1/2 期、多中心、开放标签、多队列研究,旨在评估 Dato-DXd 在晚期或转移性实体瘤中国成人受试者中的疗效、安全性、药代动力学和免疫原性。这是一项单臂研究,未设盲。本研究分为不同队列。同一队列的受试者具有相同的肿瘤类型。起始队列为队列 1(NSCLC)和队列 2(TNBC)。未来队列将由其他晚期或转移性实体瘤类型组成,包括但不限于对标准治疗难治或不耐受或尚无标准治疗可用的晚期/不可切除或转移性胃或胃食管结合部腺癌或尿路上皮癌。队列 1 和队列 2 将 priori
【主题与分类】
主题标签:Carcinoma, Non-Small-Cell Lung、Triple Negative Breast Cancer。本站分类:肿瘤/肺癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT05460273
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/NCT05460273
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、三阴性乳腺癌。这是一项1期/2期、多中心、开放标签、多队列研究,旨在评估Dato-DXd在晚期或转移性实体瘤中国成人受试者中的有效性、安全性、药代动力学和免疫原性。这是一项单臂研究,不设盲。本研究分为不同队列,同一队列的受试者具有相同的肿瘤类型。起始队列为队列1(NSCLC)和队列2(TNBC)。未来队列将包括其他晚期或转移性实体瘤类型,包括但不限于对标准治疗难治或不耐受、或尚无标准治疗可用的晚期/不可切除或转移性胃或胃食管结合部腺癌或尿路上皮癌。队列1和队列2将优先立即入组,方案将根据未来队列的需要进行修订。
队列1:队列1的目标人群为患有晚期或转移性NSCLC的成年中国受试者,伴或不伴可操作性基因组变异(AGAs)(即,具有已批准疗法的基因变异,如EGFR、ALK或其他已知AGAs)。无AGAs的合格受试者既往接受过铂类化疗和抗PD-1/抗PD-L1单克隆抗体联合或序贯治疗。一线接受抗PD-1/抗PD-L1单克隆抗体治疗的无AGAs受试者,可能在二线治疗中接受了铂类化疗与抗PD-1/抗PD-L1单克隆抗体的联合治疗。有AGAs的合格受试者既往接受过一或两线适用于其基因组变异且已获批的靶向治疗,以及作为唯一既往细胞毒性治疗线的铂类化疗。有AGAs的受试者可能接受过多达一种抗PD-1/抗PD-L1单克隆抗体治疗,单药或联合化疗
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。




