GV20-0251 单药及联合 Pembrolizumab 治疗实体瘤恶性肿瘤研究
该数据集来自 clinicaltrials.gov,聚焦 GV20-0251 单药及联合 Pembrolizumab 治疗成人实体瘤恶性肿瘤的 1/2A 期研究,覆盖难治性癌症、子宫内膜癌、头颈部鳞癌、pMMR/MSS 结直肠腺癌、皮肤黑色素瘤和非小细胞肺癌

基本信息
资源简介
GV20-0251 单药及联合 Pembrolizumab 治疗实体瘤恶性肿瘤研究
该数据集来自 clinicaltrials.gov,聚焦 GV20-0251 单药及联合 Pembrolizumab 治疗成人实体瘤恶性肿瘤的 1/2A 期研究,覆盖难治性癌症、子宫内膜癌、头颈部鳞癌、pMMR/MSS 结直肠腺癌、皮肤黑色素瘤和非小细胞肺癌。研究为非随机、开放标签、多中心设计,分 A、B、C、D 四部分,A 部分采用 3+3 剂量递增评估安全性与耐受性并确定 MTD 或初步 RP2D,B 部分采用 BOP2 设计进一步评估抗肿瘤活性、安全性、耐受性、药代动力学和药效学。可用于肿瘤免疫治疗相关安全性、剂量探索及疗效分析(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:实体瘤、成人、难治性癌症、子宫内膜癌(EC)、头颈部鳞癌、pMMR/MSS 结肠或直肠腺癌、皮肤黑色素瘤、非小细胞肺癌。这是一项 1/2A 期非随机、开放标签、多中心研究,将分四部分(A、B、C 和 D 部分)进行。在 A 部分,将采用 3+3 剂量递增方案评估 GV20-0251 的安全性和耐受性,并确定最大耐受剂量(MTD)或初步推荐的 2 期剂量(RP2D)。在 B 部分,将利用贝叶斯 2 期最优设计(BOP2)在涉及合格参与者的多个扩展队列中进一步表征 GV20-0251 在初步 RP2D 下的抗肿瘤活性、安全性、耐受性、药代动力学和药效学。在 C 部分,将采用贝叶斯最优区间(BOIN)设计
【主题与分类】
主题标签:Solid Tumor, Adult、Refractory Cancer、Endometrial Carcinoma (EC)、Squamous Head and Neck Carcinoma、Cutaneous Melanoma、Non-Small Cell Lung Cancer。本站分类:肿瘤/肺癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT05669430
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/NCT05669430
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:实体瘤、成人、难治性癌症、子宫内膜癌(EC)、头颈部鳞状细胞癌、结肠或直肠pMMR/MSS腺癌、皮肤黑色素瘤、非小细胞肺癌。这是一项1/2A期非随机、开放标签、多中心研究,将分为四个部分(A、B、C和D部分)进行。在A部分中,将采用3+3剂量递增方案评估GV20-0251的安全性和耐受性,并确定最大耐受剂量(MTD)或初步推荐的2期剂量(RP2D)。在B部分中,将利用贝叶斯最优2期设计(BOP2)在多个扩展队列中进一步表征GV20-0251在初步RP2D下的抗肿瘤活性、安全性、耐受性、药代动力学和药效学,涉及符合条件的受试者。在C部分中,将采用贝叶斯最优区间(BOIN)设计评估GV20-0251与帕博利珠单抗联合用药的安全性和耐受性,并确定该联合方案的MTD或初步RP2D。
在D部分,BOP2将应用于进一步表征GV20-0251与帕博利珠单抗联合用药在初步RP2D下的抗肿瘤活性、安全性、耐受性、药代动力学和药效学,涉及多个扩展队列中的合格参与者。
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。




