评估晚期实体瘤成人受试者中静脉注射ABBV-253的不良事件、疾病活动变化及体内过程的研究
该数据集来自clinicaltrials.gov,聚焦晚期实体瘤及非小细胞肺癌、结直肠癌、胰腺导管腺癌、胃癌、胃食管交界腺癌、胆道癌、头颈部鳞状细胞癌等癌种

基本信息
资源简介
评估晚期实体瘤成人受试者中静脉注射ABBV-253的不良事件、疾病活动变化及体内过程的研究
该数据集来自clinicaltrials.gov,聚焦晚期实体瘤及非小细胞肺癌、结直肠癌、胰腺导管腺癌、胃癌、胃食管交界腺癌、胆道癌、头颈部鳞状细胞癌等癌种。研究目的是评估在研药物ABBV-253的不良事件、疾病活动变化及药代动力学。研究为开放标签,分两部分:第一部分为剂量递增,受试者接受4种(或更多)剂量之一;第二部分为剂量优化。可用于肿瘤治疗领域的药物安全性、疗效与药代动力学相关分析(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:晚期实体瘤、非小细胞肺癌、结直肠癌、胰腺导管腺癌、胃癌、胃食管交界腺癌、胆道癌、头颈部鳞状细胞癌。癌症是一种身体特定部位的细胞不受控制地生长和繁殖的疾病。本研究的目的是评估ABBV-253的不良事件、疾病活动变化和药代动力学。ABBV-253是一种正在开发的用于治疗晚期实体瘤的研究性药物。这项开放标签研究包括两部分。在第1部分(ABBV-253剂量递增)中,患有任何符合条件癌症类型的受试者将接受4种(或更多)剂量的ABBV-253中的1种。每个队列接受的ABBV-253剂量比前一组更高、更低或相同。在第2部分(ABBV-253剂量优化)中,一组新的受试者
【主题与分类】
主题标签:Advanced Solid Tumors、Non-Small Cell Lung Cancer、Colorectal Cancer、Pancreatic Ductal Adenocarcinoma、Gastric Cancer、Gastroesophageal Junction Adenocarcinoma、Biliary Tract Cancer、Head and Neck Squamous Cell Carcinoma、Ovarian Cancer。本站分类:肿瘤/肺癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07807956
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/NCT07807956
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:晚期实体瘤、非小细胞肺癌、结直肠癌、胰腺导管腺癌、胃癌、胃食管交界处腺癌、胆道癌、头颈部鳞状细胞癌。癌症是一种身体特定部位的细胞不受控制地生长和繁殖的疾病。本研究的目的是评估ABBV-253的不良事件、疾病活动变化和药代动力学。ABBV-253是一种正在开发用于治疗晚期实体瘤的研究性药物。这项开放标签研究包括两部分。在第1部分(ABBV-253剂量递增)中,患有任何符合条件癌症类型的参与者将接受4种(或更多)ABBV-253剂量中的1种。每个队列接受的ABBV-253剂量比前一组更高、更低或相同。在第2部分(ABBV-253剂量优化)中,一组新的NSCLC参与者将被随机分配到预定的剂量组中,接受3种ABBV-253剂量中的1种。大约130名参与者将在全球约11个研究中心入组本研究。作为为期4年研究的一部分,参与者将接受ABBV-253的静脉(IV)输注。
与参与者的标准治疗相比,本试验中的参与者可能因研究程序而承受更高的治疗负担。参与者将在研究期间定期前往医院或诊所进行访视。治疗效果将通过医学评估、血液检测、副作用监测及填写问卷来检查。
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。




