评估递增剂量司美替尼联合MEDI4736及司美替尼联合MEDI4736和曲美木单抗治疗晚期实体瘤患者的安全性、耐受性和抗肿瘤活性的研究
该数据集来自clinicaltrials.gov,为一项I期、开放标签、多中心药物联合研究,覆盖肺癌、黑色素瘤、头颈癌、胃食管癌、乳腺癌、胰腺腺癌、结直肠癌和胆道癌等晚期实体瘤患者

基本信息
资源简介
评估递增剂量司美替尼联合MEDI4736及司美替尼联合MEDI4736和曲美木单抗治疗晚期实体瘤患者的安全性、耐受性和抗肿瘤活性的研究
该数据集来自clinicaltrials.gov,为一项I期、开放标签、多中心药物联合研究,覆盖肺癌、黑色素瘤、头颈癌、胃食管癌、乳腺癌、胰腺腺癌、结直肠癌和胆道癌等晚期实体瘤患者。研究评估口服selumetinib(AZD6244 Hyd-sulfate)联合静脉注射MEDI4736,以及selumetinib联合MEDI4736与静脉注射tremelimumab的双联和三联方案,在标准治疗难治或无标准治疗可用的患者中,递增剂量的安全性、耐受性和初步抗肿瘤活性。在确定相关剂量的安全性与耐受性后,将启动扩展队列进一步评估(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):适应症:肺癌、黑色素瘤、头颈癌、胃食管癌、乳腺癌、胰腺腺癌、结直肠癌、胆道癌。这是一项I期、开放标签、多中心药物联合研究,研究口服selumetinib(AZD6244 Hyd-sulfate)联合静脉注射(IV)MEDI4736的双联方案,以及口服selumetinib联合静脉注射MEDI4736和静脉注射tremelimumab的三联方案,用于标准治疗难治或无标准治疗可用的晚期实体瘤患者。将研究递增剂量的selumetinib(AZD6244 Hyd-sulfate)联合MEDI4736,以及selumetinib联合MEDI4736和tremelimumab的安全性、耐受性和初步抗肿瘤活性。一旦确定相关剂量的安全性和耐受性,将启动扩展队列,以进一步评估安全性、耐受性、an
【主题与分类】
主题标签:Lung Cancer、Melanoma、Head and Neck Carcinoma、Gastroesophageal Cancer、Breast Cancer、Pancreatic Adenocarcinoma、Colorectal Cancer、Biliary Tract Cancer。本站分类:肿瘤/肺癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT02586987
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/NCT02586987
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
适应症:肺癌、黑色素瘤、头颈部癌、胃食管癌、乳腺癌、胰腺腺癌、结直肠癌、胆道癌。这是一项I期、开放标签、多中心、药物联合研究,旨在评估口服司美替尼(AZD6244 硫酸氢盐)联合静脉注射(IV)MEDI4736的双药联合方案,以及口服司美替尼联合静脉注射MEDI4736和静脉注射曲美木单抗的三药联合方案,用于标准治疗难治或不适用标准治疗的晚期实体瘤患者。研究将探讨司美替尼(AZD6244 硫酸氢盐)联合MEDI4736,以及司美替尼联合MEDI4736和曲美木单抗的递增剂量下的安全性、耐受性和初步抗肿瘤活性。一旦确定相关剂量的安全性和耐受性,将启动扩展队列,以进一步评估安全性、耐受性,并对药物联合的作用机制和抗肿瘤活性进行初步评价。强制配对活检扩展队列将按肿瘤类型划分。双药联合和三药联合治疗的扩展队列将独立开放。
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。




