评估 PI3Kδ 抑制剂 IOA-244 治疗转移性癌症患者的研究

该数据集来自 clinicaltrials.gov,收录一项评估 PI3Kδ 抑制剂 IOA-244 在转移性癌症患者中安全性与耐受性的临床研究

iOncturaiOnctura
clinicaltrials
浏览 8
其他预测Solid Tumor, AdultNon-Hodgkin Lymphoma, AdultNSCLCMyelofibrosisUveal Melanoma
A Study to Assess a PI3Kδ Inhibitor (IOA-244) in Patients With Metastatic Cancers

基本信息

模态
其他
任务类型
预测
创建/更新时间
2026-10-09

资源简介

评估 PI3Kδ 抑制剂 IOA-244 治疗转移性癌症患者的研究

该数据集来自 clinicaltrials.gov,收录一项评估 PI3Kδ 抑制剂 IOA-244 在转移性癌症患者中安全性与耐受性的临床研究。覆盖实体瘤、非霍奇金淋巴瘤、NSCLC、骨髓纤维化、葡萄膜黑色素瘤等成人患者。研究同时考察 IOA-244 作为单药及与培美曲塞/顺铂/avelumab、avelumab、ruxolitinib 联合使用时能否增强抗肿瘤免疫反应,涉及间皮瘤与 NSCLC 一线、皮肤黑色素瘤与 NSCLC 二/三线、原发性骨髓纤维化等队列,可用于治疗安全性、耐受性与免疫应答相关分析(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):条件:实体瘤(成人)、非霍奇金淋巴瘤(成人)、NSCLC、骨髓纤维化、葡萄膜黑色素瘤。研究 IOA-244-101 的目的是确定 IOA-244 在癌症患者中是否安全且可耐受(A 部分)。此外,该研究将评估 IOA-244 能否在患者中增强抗肿瘤免疫反应,既作为单药治疗,也与培美曲塞/顺铂/avelumab 联合使用(B 部分间皮瘤和 NSCLC 一线),与 avelumab 联合使用(B 部分皮肤黑色素瘤和 NSCLC 二/三线),以及与 ruxolitinib 联合使用(B 部分原发性骨髓纤维化)。

【主题与分类】

主题标签:Solid Tumor, Adult、Non-Hodgkin Lymphoma, Adult、NSCLC、Myelofibrosis、Uveal Melanoma。本站分类:肿瘤/肺癌。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT04328844

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/NCT04328844

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:实体瘤(成人)、非霍奇金淋巴瘤(成人)、非小细胞肺癌、骨髓纤维化、葡萄膜黑色素瘤。研究IOA-244-101的目的是确定IOA-244在癌症患者中的安全性和耐受性(A部分)。此外,该研究还将评估IOA-244作为单一疗法以及与培美曲塞/顺铂/阿维鲁单抗联合使用(B部分:间皮瘤和非小细胞肺癌一线治疗)、与阿维鲁单抗联合使用(B部分:皮肤黑色素瘤和非小细胞肺癌二线/三线治疗)以及与鲁索替尼联合使用(B部分:原发性骨髓纤维化)时,是否能增强患者的抗肿瘤免疫反应。

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