关于研究药物PF-08046032治疗晚期癌症的研究
该数据集来自clinicaltrials.gov,主题为肿瘤与肺癌,聚焦研究药物PF-08046032在晚期癌症中的效果

基本信息
资源简介
关于研究药物PF-08046032治疗晚期癌症的研究
该数据集来自clinicaltrials.gov,主题为肿瘤与肺癌,聚焦研究药物PF-08046032在晚期癌症中的效果。覆盖外周T细胞淋巴瘤、弥漫性大B细胞淋巴瘤、经典霍奇金淋巴瘤、头颈部鳞状细胞癌、黑色素瘤及非小细胞肺癌等适应症。研究包含三个部分,其中Part A测试PF-08046032单药在递增剂量下用于特定淋巴瘤和实体瘤患者,Part B测试选定剂量下PF-08046032与sasanlimab联合使用。可用于了解该药物在晚期或转移性淋巴瘤及实体瘤成人受试者中的研究设计、适应症分布与用药方案(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):适应症:外周T细胞淋巴瘤、弥漫性大B细胞淋巴瘤、经典霍奇金淋巴瘤、头颈部鳞状细胞癌、黑色素瘤、非小细胞肺癌。本研究的目的是了解一种名为PF-08046032的新研究药物单独使用以及与另一种名为sasanlimab的药物联合使用时,对晚期癌症的治疗效果。这些效果在患有某些类型淋巴瘤或晚期或转移性(已扩散到身体其他部位)实体瘤的成年受试者中进行研究。该研究分为三个部分: A部分将在患有某些淋巴瘤(起源于免疫系统细胞的癌症)的受试者以及标准治疗后疾病恶化或之后恶化的某些实体瘤受试者中,测试递增剂量水平的PF-08046032单药治疗。 B部分将测试PF-08046032(选定剂量)和sasanlim
【主题与分类】
主题标签:Peripheral T Cell Lymphoma、Diffuse Large B-cell Lymphoma、Classical Hodgkin Lymphoma、Head and Neck Squamous Cell Carcinoma、Melanoma、Non-Small Cell Lung Cancer。本站分类:肿瘤/肺癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT06870487
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/NCT06870487
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:外周T细胞淋巴瘤、弥漫性大B细胞淋巴瘤、经典型霍奇金淋巴瘤、头颈部鳞状细胞癌、黑色素瘤、非小细胞肺癌。本研究旨在了解一种名为PF-08046032的新研究药物单用及与另一种名为sasanlimab的药物联用治疗晚期癌症的效果。研究在患有某些类型淋巴瘤或晚期或转移性(已扩散至身体其他部位)实体瘤的成年受试者中观察疗效。研究分为三部分:* A部分将在患有某些淋巴瘤(起源于免疫系统细胞的癌症)的受试者以及标准治疗后疾病恶化或之后恶化的某些实体瘤受试者中,测试递增剂量水平的PF-08046032单药治疗。* B部分将在患有某些实体瘤的受试者中测试PF-08046032(选定剂量)和sasanlimab,包括标准治疗后疾病恶化或之后恶化的受试者,以及尚未接受标准治疗的受试者。
- C部分将根据研究A部分和B部分的结果,进一步测试PF-08046032与sasanlimab联合用于特定类型实体瘤参与者的效果。所有参与者都将接受研究药物PF-08046032。仅研究B部分和C部分的参与者还将接受sasanlimab。PF-08046032将通过静脉(IV)输注给药,即直接注入静脉。Sasanlimab将通过皮下注射给药,即注射到皮肤下。
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。




