在晚期/转移性非小细胞肺癌(NSCLC)成人受试者中评估Ubamatamab联合或不联合Marlotamig(REGN7075)的研究
本研究评估ubamatamab和marlotamig能否治疗晚期或转移性非小细胞肺癌,并评估sarilumab能否缓解ubamatamab引起的免疫相关副作用

基本信息
资源简介
在晚期/转移性非小细胞肺癌(NSCLC)成人受试者中评估Ubamatamab联合或不联合Marlotamig(REGN7075)的研究
本研究评估ubamatamab和marlotamig能否治疗晚期或转移性非小细胞肺癌,并评估sarilumab能否缓解ubamatamab引起的免疫相关副作用。研究关注两药疗效、可能副作用、不同时间血药浓度,以及机体是否产生抗体;若产生针对ubamatamab和/或marlotamig的抗体,可能使ubamatamab效果变差(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:非小细胞肺癌、晚期非小细胞肺癌、转移性非小细胞肺癌、非小细胞肺癌(Carcinoma Non Small Cell Lung)。本研究将评估两种名为 ubamatamab 和 marlotamig 的研究药物,以了解它们是否有助于治疗晚期或转移性非小细胞肺癌(NSCLC);并评估 sarilumab,以了解它是否有助于缓解 ubamatamab 引起的免疫相关副作用。本研究正在考察: ubamatamab 和 marlotamig 的疗效如何 ubamatamab 和 marlotamig 可能引起哪些副作用 不同时间点血液中 ubamatamab 和 marlotamig 的含量 如果身体对 ubamatamab 和/或 marlotamig 产生抗体,这可能会导致 ubamatamab 不能很好地发挥作用
【主题与分类】
主题标签:Non Small Cell Lung Cancer、Advanced Non Small Cell Lung Cancer、Metastatic Non Small Cell Lung Cancer、Carcinoma Non Small Cell Lung。本站分类:肿瘤/肺癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07154290
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/NCT07154290
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:非小细胞肺癌、晚期非小细胞肺癌、转移性非小细胞肺癌、非小细胞肺癌(Carcinoma Non Small Cell Lung)。本研究将评估两种名为 ubamatamab 和 marlotamig 的研究药物,以了解它们是否有助于治疗晚期或转移性非小细胞肺癌(NSCLC);并评估 sarilumab,以了解它是否有助于缓解 ubamatamab 引起的免疫相关副作用。本研究正在考察:
- ubamatamab 和 marlotamig 的疗效如何
- ubamatamab 和 marlotamig 可能引起哪些副作用
- 不同时间点血液中 ubamatamab 和 marlotamig 的含量
- 如果身体对 ubamatamab 和/或 marlotamig 产生抗体,这可能会导致 ubamatamab 不能很好地发挥作用
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。




