IDE034 用于成人局部晚期/转移性实体瘤的研究
该数据集来自 clinicaltrials.gov,收录一项关于 IDE034 在成人局部晚期或转移性实体瘤受试者中开展的临床研究

基本信息
资源简介
IDE034 用于成人局部晚期/转移性实体瘤的研究
该数据集来自 clinicaltrials.gov,收录一项关于 IDE034 在成人局部晚期或转移性实体瘤受试者中开展的临床研究。研究覆盖食管鳞状细胞癌、高级别浆液性卵巢癌、头颈部鳞状细胞癌、结直肠癌、去势抵抗性前列腺癌、非小细胞肺癌、子宫内膜癌和三阴性乳腺癌等表达 B7-H3 与 PTK7 的瘤种。研究分为两部分:第一部分为剂量递增,评估安全性、耐受性并确定剂量限制性毒性、最大耐受剂量和/或推荐扩展剂量;第二部分为剂量扩展,在安全耐受的多个剂量水平上评估受试者,以识别安全、耐受良好且有效的剂量(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:食管鳞状细胞癌、高级别浆液性卵巢癌、头颈部鳞状细胞癌、结直肠癌、去势抵抗性前列腺癌、非小细胞肺癌、子宫内膜癌、三阴性乳腺癌。第一部分——剂量递增:第一部分将评估 IDE034 递增剂量,以评估安全性、耐受性,并确定在表达 B7-H3 和 PTK7 的局部晚期/转移性实体瘤类型受试者中的剂量限制性毒性(DLTs)、最大耐受剂量(MTD)和/或推荐扩展剂量(RDE)。第二部分——剂量扩展:第二部分将在剂量递增期间确定为安全且可耐受的 2 个或更多剂量水平上,评估患有表达 B7-H3 和 PTK7 的晚期/转移性实体瘤的受试者。第二部分的目的是确定第一部分中评估的哪种剂量安全、耐受良好并产生
【主题与分类】
主题标签:Esophageal Squamous Cell Carcinoma、High Grade Serous Ovarian Cancer、Head and Neck Squamous Cell Carcinoma、Colorectal Cancer、Castration-resistant Prostate Cancer、Non Small Cell Lung Cancer、Endometrium Cancer、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/NCT07503808
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/NCT07503808
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
疾病类型:食管鳞状细胞癌、高级别浆液性卵巢癌、头颈部鳞状细胞癌、结直肠癌、去势抵抗性前列腺癌、非小细胞肺癌、子宫内膜癌、三阴性乳腺癌。第1部分——剂量递增 第1部分将评估IDE034的递增剂量,以评估在表达B7-H3和PTK7的局部晚期/转移性实体瘤受试者中的安全性、耐受性,并确定剂量限制性毒性(DLTs)、最大耐受剂量(MTD)和/或推荐扩展剂量(RDE)。第2部分——剂量扩展 第2部分将在剂量递增期间确定的2个或更多安全且可耐受的剂量水平上,评估患有表达B7-H3和PTK7的晚期/转移性实体瘤的参与者。第2部分的目标是确定第1部分中评估的哪些剂量安全、耐受性良好并能导致肿瘤缓解。同时,可能会在一个扩展剂量组中入组一个篮式队列,其肿瘤类型和其他选择标准将基于非临床和第1部分临床评估的新出现数据。
根据新出现的数据,可能会对扩展适应症(例如,组织学亚型或特定的分子改变)应用额外的选择标准。
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。




