MGC028 在晚期实体瘤受试者中的研究
该数据集来自 clinicaltrials.gov,为一项关于 MGC028 在晚期实体瘤受试者中的临床研究。覆盖晚期实体瘤、NSCLC 腺癌、胆管癌、胰腺癌和结直肠癌等适应症,入组复发或难治、不可切除的局部晚期或转移性且已知表达 ADAM9 的成人受试者

基本信息
资源简介
MGC028 在晚期实体瘤受试者中的研究
该数据集来自 clinicaltrials.gov,为一项关于 MGC028 在晚期实体瘤受试者中的临床研究。覆盖晚期实体瘤、NSCLC 腺癌、胆管癌、胰腺癌和结直肠癌等适应症,入组复发或难治、不可切除的局部晚期或转移性且已知表达 ADAM9 的成人受试者。研究旨在评估安全性、耐受性、剂量限制性毒性(DLT)以及最大耐受剂量(MTD)或最大给药剂量,并观察受试者接受 MGC028 后出现的副作用类型,以及该药能否使肿瘤缩小、保持稳定或控制疾病进展。可用于肿瘤治疗相关的安全性、耐受性与疗效预测研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:晚期实体瘤、NSCLC 腺癌、胆管癌、胰腺癌、结直肠癌。本临床试验的目标是表征 MGC028 的安全性、耐受性、剂量限制性毒性(DLT)以及最大耐受剂量(MTD)或最大给药剂量(若未定义 MTD)。该研究将入组患有复发或难治、不可切除的局部晚期或转移性实体瘤且已知表达 ADAM9 的成人受试者。研究旨在回答的主要问题是: 受试者在接受 MGC028 时会经历哪些类型的副作用? MGC028 能否使晚期实体瘤受试者的癌症缩小、保持稳定或能够控制疾病进展?受试者将 接受筛选程序以确定资格 最初每 3 周接受一次研究治疗。* 采集血样用于 ro
【主题与分类】
主题标签:Advanced Solid Tumors、NSCLC Adenocarcinoma、Cholangiocarcinoma、Pancreatic Carcinoma、Colorectal Carcinoma。本站分类:肿瘤/肺癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT06723236
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/NCT06723236
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:晚期实体瘤、非小细胞肺癌腺癌、胆管癌、胰腺癌、结直肠癌。本临床试验的目的是描述MGC028的安全性、耐受性、剂量限制性毒性(DLT)以及最大耐受剂量(MTD)或最大给药剂量(若未确定MTD)。该研究将入组患有复发性或难治性、不可切除的局部晚期或转移性实体瘤且已知表达ADAM9的成年受试者。本研究旨在回答的主要问题是:* 受试者在接受MGC028治疗时会出现哪些类型的副作用?* MGC028能否使晚期实体瘤受试者的肿瘤缩小、保持稳定或能够控制疾病进展?受试者将* 接受筛选程序以确定是否符合资格* 初始每3周接受一次研究治疗。* 采集血液样本用于常规和科研检测* 接受其他检查以评估心肺功能和一般健康状况* 被询问可能正在发生的任何副作用或您正在服用的其他药物。如有必要,研究医生将针对副作用提供治疗。
- 让研究医生定期评估您的肿瘤状态,以判断您对治疗的反应。
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。




