NT-175在HLA-A*02:01阳性且TP53 R175H突变的晚期恶性肿瘤成人受试者中的研究
该1期开放标签多中心平台研究评估NT-175在HLA-A*02:01且TP53 R175H突变阳性晚期恶性肿瘤患者中的安全性及初步抗肿瘤活性,涵盖非小细胞肺癌、头颈鳞癌、结直肠癌、胰腺腺癌、乳腺癌、其他实体瘤、卵巢癌及髓系肿瘤(AML/MDS)

基本信息
资源简介
NT-175在HLA-A*02:01阳性且TP53 R175H突变的晚期恶性肿瘤成人受试者中的研究
该1期开放标签多中心平台研究评估NT-175在HLA-A*02:01且TP53 R175H突变阳性晚期恶性肿瘤患者中的安全性及初步抗肿瘤活性,涵盖非小细胞肺癌、头颈鳞癌、结直肠癌、胰腺腺癌、乳腺癌、其他实体瘤、卵巢癌及髓系肿瘤(AML/MDS)。研究包括剂量递增、队列扩展和剂量扩展:评估安全性、MTD及/或RDE/RP2D、RP2D与初步抗肿瘤活性(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:非小细胞肺癌、头颈部鳞状细胞癌、结直肠癌、胰腺腺癌、乳腺癌、其他实体瘤、卵巢癌、髓系肿瘤(AML/MDS)。这是一项1期、开放标签、多中心平台研究,旨在评估NT-175在患有TP53 R175H突变阳性晚期恶性肿瘤的HLA-A*02:01受试者中的安全性和初步抗肿瘤活性。剂量递增将在组织学类型符合要求的成年受试者中研究NT-175的递增剂量,并评估安全性及最大耐受剂量(MTD)和/或RDE/RP2D。队列扩展将进一步评估在特定疾病组织学类型中,MTD或以下剂量下的安全性和初步抗肿瘤活性,并确定RP2D。剂量扩展将进一步评估NT-175在RP2D下、在特定疾病背景中的初步抗肿瘤活性和安全性。
【主题与分类】
主题标签:Non-small Cell Lung Cancer、Head and Neck Squamous Cell Carcinoma、Colorectal Carcinoma、Pancreatic Adenocarcinoma、Breast Cancer、Other Solid Tumors、Ovarian Cancer、Myeloid Neoplasms (AML/MDS)。本站分类:肿瘤/肺癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT05877599
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/NCT05877599
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:非小细胞肺癌、头颈部鳞状细胞癌、结直肠癌、胰腺腺癌、乳腺癌、其他实体瘤、卵巢癌、髓系肿瘤(AML/MDS)。这是一项1期、开放标签、多中心平台研究,旨在评估NT-175在患有TP53 R175H突变阳性晚期恶性肿瘤的HLA-A*02:01受试者中的安全性和初步抗肿瘤活性。剂量递增将在组织学类型符合要求的成年受试者中研究NT-175的递增剂量,并评估安全性及最大耐受剂量(MTD)和/或RDE/RP2D。队列扩展将进一步评估在特定疾病组织学类型中,MTD或以下剂量下的安全性和初步抗肿瘤活性,并确定RP2D。剂量扩展将进一步评估NT-175在RP2D下、在特定疾病背景中的初步抗肿瘤活性和安全性。
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。




