Toca 511联合Toca FC治疗实体瘤或淋巴瘤的研究(Toca 6)
该数据集来自clinicaltrials.gov,收录Toca 511与Toca FC联合治疗实体瘤或淋巴瘤的多中心开放标签临床试验信息

基本信息
资源简介
Toca 511联合Toca FC治疗实体瘤或淋巴瘤的研究(Toca 6)
该数据集来自clinicaltrials.gov,收录Toca 511与Toca FC联合治疗实体瘤或淋巴瘤的多中心开放标签临床试验信息。覆盖结直肠癌、三阴性乳腺癌、胰腺癌、非小细胞肺癌、头颈癌、卵巢癌、淋巴瘤、肉瘤等瘤种,并涉及IDH1突变实体瘤。研究评估治疗后免疫活性相对基线的变化,患者需具备可活检或切除的肿瘤,并依据Foundation Medicine或等效基因组报告确认特定分子特征。可用于免疫治疗应答预测及肿瘤分子分型相关研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:结直肠癌、三阴性乳腺癌、胰腺癌、非小细胞肺癌、头颈癌、卵巢癌、淋巴瘤、肉瘤。本试验的目的是评估实体瘤(包括复发性高级别胶质瘤[rHGG])或淋巴瘤患者接受Toca 511和Toca FC治疗后免疫活性相对于基线的变化。这是一项Toca 511和Toca FC的多中心、开放标签研究。无法获得治愈性治疗方案的晚期实体瘤或淋巴瘤患者,在符合所有入组标准的前提下将入组研究。肿瘤必须可进行活检和/或切除。患者将根据特定分子特征的存在以及特定肿瘤类型获得资格,这些特征由Foundation Medicine(或等效)基因组图谱报告记录。Toca 511将通过IV注射给药
【主题与分类】
主题标签:Colorectal Cancer、Triple Negative Breast Cancer、Pancreatic Cancer、Non-Small Cell Lung Cancer、Head and Neck Cancer、Ovarian Cancer、Lymphoma、Sarcoma、Bladder Cancer、Melanoma。本站分类:肿瘤/肺癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT02576665
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/NCT02576665
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:结直肠癌、三阴性乳腺癌、胰腺癌、非小细胞肺癌、头颈癌、卵巢癌、淋巴瘤、肉瘤。本试验旨在评估实体瘤(包括复发性高级别胶质瘤[rHGG])或淋巴瘤患者接受Toca 511和Toca FC治疗后,免疫活性相对于基线的变化。这是一项关于Toca 511和Toca FC的多中心、开放标签研究。晚期实体瘤或淋巴瘤患者,若无可用的治愈性治疗方案,且符合所有入组标准,将被纳入研究。肿瘤必须可进行活检和/或切除。患者将根据是否存在特定的分子特征(由Foundation Medicine(或同等机构)的基因组谱报告记录)以及特定的肿瘤类型来确定资格。Toca 511将通过静脉注射给药,随后(1)在活检后进行瘤内注射,或(2)在rHGG或脑转移的情况下,计划切除后注射到切除腔壁。Toca FC将按治疗周期口服给药。
未进行脑肿瘤切除术的患者将接受2次活检,以评估肿瘤的基线及随访免疫活性。所有患者外周血中的免疫活性变化将被监测。
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。




