Pan-KRAS抑制剂LY4066434治疗KRAS突变实体瘤研究

该数据集来自clinicaltrials.gov,收录一项关于Pan-KRAS抑制剂LY4066434的临床研究,受试者为携带特定KRAS突变的局部晚期或转移性实体瘤患者,涵盖胰腺导管腺癌、非小细胞肺癌、结直肠癌、晚期实体瘤和转移性实体瘤

Eli Lilly and CompanyEli Lilly and Company
clinicaltrials
浏览 2
其他分类Pancreatic Ductal AdenocarcinomaNon-small Cell Lung CancerColorectal CancerAdvanced Solid TumorMetastatic Solid Tumor
A Study of the Pan-KRAS Inhibitor LY4066434 in Participants With KRAS Mutant Solid Tumors

基本信息

模态
其他
任务类型
分类
创建/更新时间
2026-10-11

资源简介

Pan-KRAS抑制剂LY4066434治疗KRAS突变实体瘤研究

该数据集来自clinicaltrials.gov,收录一项关于Pan-KRAS抑制剂LY4066434的临床研究,受试者为携带特定KRAS突变的局部晚期或转移性实体瘤患者,涵盖胰腺导管腺癌、非小细胞肺癌、结直肠癌、晚期实体瘤和转移性实体瘤。研究主要评估LY4066434单药或联合其他治疗的安全性及耐受性,分为单药剂量递增和剂量优化两部分,预计持续约5年。数据可用于肿瘤治疗领域的临床研究分析、安全性评估及KRAS突变相关用药探索(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):条件:胰腺导管腺癌、非小细胞肺癌、结直肠癌、晚期实体瘤、转移性实体瘤。本研究的主要目的是评估研究药物LY4066434在携带特定KRAS突变的局部晚期或转移性实体瘤受试者中给药时是否安全且可耐受。LY4066434将单独给药或与其他治疗联合给药。本研究将分为两部分:单药剂量递增和剂量优化。研究预计持续约5年。

【主题与分类】

主题标签:Pancreatic Ductal Adenocarcinoma、Non-small Cell Lung Cancer、Colorectal Cancer、Advanced Solid Tumor、Metastatic Solid Tumor。本站分类:肿瘤/肺癌。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT06607185

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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/NCT06607185

标准获取流程:

  1. 访问源站链接,注册/登录账号;
  2. 进入数据集详情页,按页面指引申请权限或直接下载;
  3. 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。

数据说明

疾病:胰腺导管腺癌、非小细胞肺癌、结直肠癌、晚期实体瘤、转移性实体瘤。本研究的主要目的是评估研究药物LY4066434在伴有特定KRAS突变的局部晚期或转移性实体瘤受试者中给药时是否安全且可耐受。LY4066434将单药给药或与其他治疗联合给药。本研究将分为2部分:单药剂量递增和剂量优化。研究预计将持续约5年。

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。

获取专属数据定制方案