LYL845 治疗成人实体瘤研究

该数据集来自 clinicaltrials.gov,收录一项关于 LYL845 治疗成人实体瘤的开放标签、多中心、剂量递增及扩展队列研究

Lyell Immunopharma, Inc.Lyell Immunopharma, Inc.
clinicaltrials
浏览 4
其他分类MelanomaNon-small Cell Lung CancerColorectal Cancer
A Study to Investigate LYL845 in Adults With Solid Tumors

基本信息

模态
其他
任务类型
分类
创建/更新时间
2026-10-11

资源简介

LYL845 治疗成人实体瘤研究

该数据集来自 clinicaltrials.gov,收录一项关于 LYL845 治疗成人实体瘤的开放标签、多中心、剂量递增及扩展队列研究。覆盖黑色素瘤、非小细胞肺癌和结直肠癌三类肿瘤,受试者为复发或难治性转移性或局部晚期患者。研究评估表观遗传重编程肿瘤浸润淋巴细胞(TIL)疗法的安全性与抗肿瘤活性。数据可用于肿瘤免疫治疗相关研究,如患者分层、疗效与安全性分析等(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):条件:黑色素瘤、非小细胞肺癌、结直肠癌。这是一项开放标签、多中心、剂量递增研究,包含扩展队列,旨在评估 LYL845(一种表观遗传重编程的肿瘤浸润淋巴细胞(TIL)疗法)在复发或难治性(R/R)转移性或局部晚期黑色素瘤、非小细胞肺癌(NSCLC)和结直肠癌(CRC)受试者中的安全性和抗肿瘤活性。在研究剂量递增阶段(A 部分),将入组黑色素瘤受试者。一旦在 A 部分确定安全推荐 II 期剂量范围(RP2DR),入组将扩展(B 部分),纳入更多黑色素瘤、NSCLC 和 CRC 受试者。

【主题与分类】

主题标签:Melanoma、Non-small Cell Lung Cancer、Colorectal Cancer。本站分类:肿瘤/肺癌。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT05573035

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/NCT05573035

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

适应症:黑色素瘤、非小细胞肺癌、结直肠癌。这是一项开放标签、多中心、剂量递增研究,包含扩展队列,旨在评估LYL845(一种表观遗传重编程的肿瘤浸润淋巴细胞(TIL)疗法)在复发或难治性(R/R)转移性或局部晚期黑色素瘤、非小细胞肺癌(NSCLC)和结直肠癌(CRC)受试者中的安全性和抗肿瘤活性。在研究剂量递增阶段(A部分),将入组黑色素瘤受试者。一旦在A部分确定了安全的推荐II期剂量范围(RP2DR),入组将扩展(B部分),纳入更多黑色素瘤、NSCLC和CRC受试者。

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