评估BG-68501不同剂量用于晚期肿瘤受试者安全性的研究
该数据集来自clinicaltrials.gov,收录一项关于BG-68501(一种cyclin-dependent kinase-2抑制剂,CDK2i)的首次人体、1a/1b期研究,覆盖乳腺癌、小细胞肺癌、卵巢癌、胃癌、激素受体阳性乳腺癌、激素受体阳性HER-2阴性乳腺癌、晚期实体瘤及子宫内膜癌等

基本信息
资源简介
评估BG-68501不同剂量用于晚期肿瘤受试者安全性的研究
该数据集来自clinicaltrials.gov,收录一项关于BG-68501(一种cyclin-dependent kinase-2抑制剂,CDK2i)的首次人体、1a/1b期研究,覆盖乳腺癌、小细胞肺癌、卵巢癌、胃癌、激素受体阳性乳腺癌、激素受体阳性HER-2阴性乳腺癌、晚期实体瘤及子宫内膜癌等病种。研究评估BG-68501单药及与fulvestrant联合(联合或不联合选择性CDK4抑制剂BGB-43395)在晚期、不可切除或转移性实体瘤成人受试者中的安全性、耐受性、药代动力学、药效学和初步抗肿瘤活性,并确定单药及联合用药的推荐扩展剂量(RDFE)。可用于肿瘤治疗安全性、剂量探索及联合用药相关分析(来源 clinicaltri。
【数据内容】
源站描述(机器翻译,仅供参考):适应症:乳腺癌、小细胞肺癌、卵巢癌、胃癌、激素受体阳性乳腺癌、激素受体阳性HER-2阴性乳腺癌、晚期实体瘤、子宫内膜癌。本研究是一项针对BG-68501的首次人体(FIH)、1a/1b期研究,BG-68501是一种细胞周期蛋白依赖性激酶-2抑制剂(CDK2i),旨在评估BG-68501在晚期、不可切除或转移性实体瘤受试者中作为单药治疗以及与fulvestrant联合(联合或不联合BGB-43395,一种选择性CDK4抑制剂)用于激素受体阳性(HR+)/人表皮生长因子受体2阴性(HER2-)乳腺癌(BC)成人患者时的安全性、耐受性、药代动力学(PK)、药效学和初步抗肿瘤活性。该研究还将确定BG-68501作为单药和联合用药的推荐扩展剂量(RDFE),用于后续的dis
【主题与分类】
主题标签:Breast Cancer、Small Cell Lung Cancer、Ovarian Cancer、Gastric Cancer、Hormone-receptor-positive Breast Cancer、Advanced Solid Tumor、Endometrial Cancer、Prostate Cancer、TNBC - Triple-Negative Breast Cancer、GastroEsophageal Cancer。本站分类:肿瘤/肺癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT06257264
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/NCT06257264
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:乳腺癌、小细胞肺癌、卵巢癌、胃癌、激素受体阳性乳腺癌、激素受体阳性HER-2阴性乳腺癌、晚期实体瘤、子宫内膜癌。本研究是一项首次人体(FIH)、1a/1b期研究,旨在评估BG-68501(一种细胞周期蛋白依赖性激酶-2抑制剂(CDK2i))作为单药治疗以及与氟维司群联合(联合或不联合BGB-43395,一种选择性CDK4抑制剂)治疗晚期、不可切除或转移性实体瘤成人患者的安全性、耐受性、药代动力学(PK)、药效动力学以及初步抗肿瘤活性,这些患者为激素受体阳性(HR+)/人表皮生长因子受体2阴性(HER2-)乳腺癌(BC)。该研究还将确定BG-68501作为单药及联合用药用于后续疾病导向研究的推荐扩展剂量(RDFE)。该研究将分为2部分:第1部分(剂量递增和安全扩展,包括食物效应评估)和第2部分(剂量扩展)。
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。




