评估INV-8989治疗携带KRAS G12D突变晚期实体瘤患者的安全性、耐受性、药代动力学及初步抗肿瘤活性研究
该数据集来自clinicaltrials.gov,聚焦携带KRAS G12D突变的晚期实体瘤患者,涵盖晚期实体瘤、结直肠癌、非小细胞肺癌、晚期或转移性胰腺腺癌、卵巢癌、子宫内膜癌及胆道癌等适应症

基本信息
资源简介
评估INV-8989治疗携带KRAS G12D突变晚期实体瘤患者的安全性、耐受性、药代动力学及初步抗肿瘤活性研究
该数据集来自clinicaltrials.gov,聚焦携带KRAS G12D突变的晚期实体瘤患者,涵盖晚期实体瘤、结直肠癌、非小细胞肺癌、晚期或转移性胰腺腺癌、卵巢癌、子宫内膜癌及胆道癌等适应症。研究为INV-8989的1期和2期临床试验,1期采用加速滴定联合传统3+3设计进行剂量递增,并进行实时监测、PK/PD及安全性指导的DLT评估;2期分为2a和2b,旨在进一步确认安全性并探索疗效。数据可用于肿瘤学临床试验分析、安全性评估及药代动力学研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):适应症:晚期实体瘤、结直肠癌、非小细胞肺癌NSCLC、晚期或转移性胰腺腺癌、卵巢癌、子宫内膜癌、胆道癌。这是一项1期和2期研究,旨在评估INV-8989在携带KRAS G12D突变的晚期实体瘤患者中的安全性、耐受性、药代动力学和初步抗肿瘤活性。整个研究包括两部分:1期用于剂量递增,2期用于剂量扩展和适应症探索。INV-8989的1期剂量递增遵循实时监测、PK/PD和安全性指导的方案,采用加速滴定加传统3+3设计进行DLT评估。2期旨在进一步确认安全性特征并更好地定义疗效。2期包括2a期和2b期。2a期研究旨在进一步确认INV-8989的安全性特征,通
【主题与分类】
主题标签:Advance Solid Tumors、Colon and Rectal Cancer、Non - Small Cell Lung Cancer NSCLC、Ovarian Cancer、Endometrial Cancer、Biliary Cancers。本站分类:肿瘤/肺癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07610798
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/NCT07610798
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:晚期实体瘤、结肠癌和直肠癌、非小细胞肺癌(NSCLC)、晚期或转移性胰腺腺癌、卵巢癌、子宫内膜癌、胆道癌。这是一项1期和2期研究,旨在评估INV-8989在携带KRAS G12D突变的晚期实体瘤患者中的安全性、耐受性、药代动力学和初步抗肿瘤活性。整个研究包括两部分:1期剂量递增和2期剂量扩展及适应症探索。INV-8989的1期剂量递增采用实时监测、药代动力学/药效动力学和安全性指导的方案,结合加速滴定和传统的3+3设计进行剂量限制性毒性(DLT)评估。2期旨在进一步确认安全性特征并更好地确定疗效。2期包括2a期和2b期。2a期研究旨在通过更大规模的患者群体进一步确认INV-8989的安全性特征,明确其药代动力学特征和初步疗效,并优化推荐的2期剂量(RP2D)。
这项2b期研究旨在探索INV-8989在携带KRAS G12D突变、且既往标准治疗失败的不同类型晚期实体瘤患者中的抗肿瘤疗效。
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。




