STRO-004 治疗成人难治/复发性转移性癌症的研究
该数据集来自 clinicaltrials.gov，收录一项关于 STRO-004 在成人难治/复发性转移性癌症中应用的研究，覆盖头颈部鳞状细胞癌、非小细胞肺癌、食管癌、胃癌、结直肠癌、胰腺导管腺癌、宫颈癌和子宫内膜癌等瘤种
基本信息
资源简介
STRO-004 治疗成人难治/复发性转移性癌症的研究
该数据集来自 clinicaltrials.gov，收录一项关于 STRO-004 在成人难治/复发性转移性癌症中应用的研究，覆盖头颈部鳞状细胞癌、非小细胞肺癌、食管癌、胃癌、结直肠癌、胰腺导管腺癌、宫颈癌和子宫内膜癌等瘤种。研究分为三部分：Part 1A 为 STRO-004 单药在常见表达组织因子（TF）的选定瘤种中的剂量递增研究；Part 1B 为在一种或多种癌症中扩展队列，进一步评估 STRO-004 单药剂量、确定后续阶段最佳剂量并考察抗肿瘤活性；Part 1C 为 STRO-004 联合 pembrolizumab 的剂量递增，以确定两药联用的耐受性和初步抗肿瘤活性。可用于了解该试验的设计与安全性、抗肿瘤活性评估框架（来。
【数据内容】
源站描述（机器翻译，仅供参考）：条件：头颈部鳞状细胞癌 HNSCC、非小细胞肺癌 NSCLC、食管癌、胃癌、结直肠癌、胰腺导管腺癌（PDAC）、宫颈癌、子宫内膜癌。这是一项评估 STRO-004 在成人转移性癌症中的安全性和初步抗肿瘤活性的研究。本研究包括 3 部分： Part 1A 是 STRO-004 单药在已知常见表达组织因子（TF）的选定肿瘤类型中的剂量递增研究。 Part 1B 是在 1 种或多种癌症类型中进行的队列扩展，以进一步评估 STRO-004 单药剂量、确定用于后续阶段的最佳剂量，并考察抗肿瘤活性。* Part 1C 是 STRO-004 联合 pembrolizumab 的剂量递增，以确定两药联用的耐受性和初步抗肿瘤活性。
【主题与分类】
主题标签：Non-Small Cell Lung Cancer NSCLC、Esophageal Cancer、Gastric Cancer、Colorectal Cancer、Pancreatic Ductal Adenocarcinoma (PDAC)、Cervical Cancer、Endometrial Cancer、Urothelial Cancer。本站分类：肿瘤/肺癌。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT07227168
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/NCT07227168
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：头颈部鳞状细胞癌（HNSCC）、非小细胞肺癌（NSCLC）、食管癌、胃癌、结直肠癌、胰腺导管腺癌（PDAC）、宫颈癌、子宫内膜癌。这是一项评估STRO-004在转移性癌症成人患者中安全性和初步抗肿瘤活性的研究。本研究包括3个部分：* 第1A部分是在已知常表达组织因子（TF）的选定肿瘤类型中进行的STRO-004单药治疗剂量递增研究。* 第1B部分是在1种或多种癌症类型中进行的队列扩展，以进一步评估STRO-004单药治疗剂量，确定后续阶段使用的最佳剂量，并考察抗肿瘤活性。* 第1C部分是STRO-004联合帕博利珠单抗的剂量递增，以确定两药联合使用的耐受性和初步抗肿瘤活性。
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。
