PF-08046876 治疗晚期实体瘤的研究
该数据集来自 clinicaltrials.gov，收录一项关于研究药物 PF-08046876 的临床试验，受试人群为晚期或转移性实体瘤患者，涵盖膀胱癌、尿路上皮癌、晚期非小细胞肺癌、头颈部鳞状细胞癌、头颈癌及食管癌等
基本信息
资源简介
PF-08046876 治疗晚期实体瘤的研究
该数据集来自 clinicaltrials.gov，收录一项关于研究药物 PF-08046876 的临床试验，受试人群为晚期或转移性实体瘤患者，涵盖膀胱癌、尿路上皮癌、晚期非小细胞肺癌、头颈部鳞状细胞癌、头颈癌及食管癌等。PF-08046876 是一种抗体药物偶联物（ADC），通过静脉输注给药，研究包含多个部分，第一部分设置不同剂量组，并可能测试不同给药方案。数据可用于了解该药物在晚期实体瘤中的安全性及疗效探索，支持肿瘤治疗相关研究（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：条件：晚期/转移性实体瘤、膀胱癌、尿路上皮癌、晚期非小细胞肺癌、非小细胞肺癌、头颈部鳞状细胞癌、头颈癌、食管癌。本研究旨在探索研究药物（PF-08046876）在确诊为晚期膀胱癌、肺癌、头颈癌、食管癌或胰腺癌患者中的安全性和效果。PF-08046876 是一种研究性抗癌疗法，称为“抗体药物偶联物”或“ADC”。ADC 是设计用于附着于癌细胞并将其杀死的抗癌药物。研究药物将通过静脉（静脉输注）给予参与者。本研究包含多个部分。在研究的第一部分中，将有不同组别的人接受不同剂量的研究药物。研究还可能测试不同的给药方案
【主题与分类】
主题标签：Advanced/Metastatic Solid Tumors、Bladder Cancer、Urothelial Carcinoma、Advanced Non-Small Cell Lung Cancer、Carcinoma, Non Small Cell Lung、Head and Neck Cancer、Esophageal Cancer、Gastroesophageal Junction Adenocarcinoma、Esophageal Squamous Cell Carcinoma、Esophageal Adenocarcinoma。本站分类：肿瘤/肺癌。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT07090499
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/NCT07090499
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：晚期/转移性实体瘤、膀胱癌、尿路上皮癌、晚期非小细胞肺癌、非小细胞肺癌、头颈部鳞状细胞癌、头颈癌、食管癌。本研究旨在探索研究药物（PF-08046876）在确诊为晚期膀胱癌、肺癌、头颈癌、食管癌或胰腺癌患者中的安全性和疗效。PF-08046876是一种研究性抗癌疗法，称为“抗体药物偶联物”或“ADC”。ADC是旨在附着于癌细胞并将其杀死的抗癌药物。研究药物将通过静脉针刺（静脉输注）给予受试者。本研究包括多个部分。在研究的第一部分中，将有不同的受试者组接受不同剂量的研究药物。研究还可能测试不同的给药方案。在研究的第二部分中，受试者组将接受在第一部分中被认为安全的给药方案的研究药物。在研究的第三部分中，受试者将接受研究药物与其他抗癌药物联合治疗。
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。
