Epacadostat联合Nivolumab治疗部分晚期癌症的安全性、耐受性和有效性研究（ECHO-204）
该数据集来自clinicaltrials.gov，收录一项关于Epacadostat联合Nivolumab治疗部分晚期癌症的1/2期开放标签研究
基本信息
资源简介
Epacadostat联合Nivolumab治疗部分晚期癌症的安全性、耐受性和有效性研究（ECHO-204）
该数据集来自clinicaltrials.gov，收录一项关于Epacadostat联合Nivolumab治疗部分晚期癌症的1/2期开放标签研究。覆盖B细胞恶性肿瘤、结直肠癌、头颈癌、肺癌、淋巴瘤、黑色素瘤、卵巢癌和胶质母细胞瘤等瘤种。1期分两部分，分别评估联合用药及联合化疗的安全性与耐受性；2期在7种肿瘤类型中开展扩展队列。可用于肿瘤免疫联合治疗的安全性、耐受性和疗效相关研究（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：条件：B细胞恶性肿瘤、结直肠癌（CRC）、头颈癌、肺癌、淋巴瘤、黑色素瘤、卵巢癌、胶质母细胞瘤。这是一项1/2期、开放标签研究。1期包括2个部分。第1部分是在选定的晚期实体瘤和淋巴瘤受试者中，对epacadostat与nivolumab联合给药的安全性和耐受性进行剂量递增评估。第2部分将评估epacadostat与nivolumab和化疗联合用于头颈部鳞状细胞癌（SCCHN）和非小细胞肺癌（NSCLC）受试者的安全性和耐受性。2期将包括7种肿瘤类型的扩展队列，包括黑色素瘤、NSCLC、SCCHN、结直肠癌、卵巢癌、胶质母细胞瘤和弥漫性大B细胞淋巴瘤（DLBCL）。
【主题与分类】
主题标签：B-cell Malignancies、Colorectal Cancer (CRC)、Head and Neck Cancer、Lung Cancer、Lymphoma、Melanoma、Ovarian Cancer、Glioblastoma。本站分类：肿瘤/肺癌。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT02327078
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/NCT02327078
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：B细胞恶性肿瘤、结直肠癌（CRC）、头颈癌、肺癌、淋巴瘤、黑色素瘤、卵巢癌、胶质母细胞瘤。这是一项1/2期、开放标签研究。1期包括2个部分。第1部分是在选定的晚期实体瘤和淋巴瘤受试者中，对依帕卡司他与纳武利尤单抗联合给药的安全性和耐受性进行剂量递增评估。第2部分将评估依帕卡司他与纳武利尤单抗及化疗联合用于头颈部鳞状细胞癌（SCCHN）和非小细胞肺癌（NSCLC）受试者的安全性和耐受性。2期将包括7种肿瘤类型的扩展队列，包括黑色素瘤、NSCLC、SCCHN、结直肠癌、卵巢癌、胶质母细胞瘤和弥漫性大B细胞淋巴瘤（DLBCL）。
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。
