BI 3822971不同剂量在晚期癌症(实体瘤)患者中的耐受性研究
该研究针对晚期或转移性实体瘤成人患者,如非小细胞肺癌等。参与者须无剩余标准治疗且中枢神经系统外有可测量病灶。研究旨在评估BI 3822971的耐受性,确定安全且耐受良好的剂量和给药方案;该药首次用于人体,帮助免疫系统抗击癌症

基本信息
资源简介
BI 3822971不同剂量在晚期癌症(实体瘤)患者中的耐受性研究
该研究针对晚期或转移性实体瘤成人患者,如非小细胞肺癌等。参与者须无剩余标准治疗且中枢神经系统外有可测量病灶。研究旨在评估BI 3822971的耐受性,确定安全且耐受良好的剂量和给药方案;该药首次用于人体,帮助免疫系统抗击癌症。无随机和安慰剂,所有参与者均接受研究药物。只要获益且可耐受,可参与至多3年。医生定期检查肿瘤大小、健康及不良后果,收集健康问题并采血(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:实体瘤。本研究面向患有晚期或转移性实体瘤的成人,例如非小细胞肺癌、头颈部鳞状细胞癌、三阴性乳腺癌、食管鳞状细胞癌、膀胱癌、外阴癌和宫颈癌。如果参与者已无剩余标准治疗选择,且在中枢神经系统之外有可测量病灶,则可以加入本研究。本研究的目的是了解一种名为 BI 3822971 的药物在这些癌症患者中的耐受性如何。研究人员还希望找到 BI 3822971 安全且耐受性良好的剂量和给药方案。在本研究中,BI 3822971 首次用于人体。BI 3822971 正在开发中,旨在帮助免疫系统对抗癌症。根据产生的数据,该给药方案可在试验过程中发生变化。所有参与者均接受研究药物(无随机分组,也无安慰剂组)。参与者需前往研究中心,并可能需要留院过夜观察,尤其是在给药日。只要参与者能从治疗中获益且能够耐受,便可留在研究中长达 3 年。在此期间,医生会定期检查肿瘤大小。医生还会定期检查参与者的健康状况,并记录任何不良效应。他们会收集参与者任何健康问题的信息,并采集血样。
【主题与分类】
主题标签:Solid Tumours。本站分类:肿瘤/肺癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07744152
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/NCT07744152
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
适应症:实体瘤。本研究面向患有晚期或转移性实体瘤的成人,例如非小细胞肺癌、头颈部鳞状细胞癌、三阴性乳腺癌、食管鳞状细胞癌、膀胱癌、外阴癌和宫颈癌。如果患者已无剩余的标准治疗选择,且在中枢神经系统以外有可测量病灶,则可参加本研究。本研究的目的是了解一种名为 BI 3822971 的药物在这些癌症患者中的耐受性。研究人员还希望找到 BI 3822971 安全且耐受性良好的剂量和给药方案。在本研究中,BI 3822971 首次用于人体。BI 3822971 正在开发用于帮助免疫系统对抗癌症。根据产生的数据,该给药方案可在试验过程中发生改变。所有参与者均接受研究药物(不设随机分组,也不设安慰剂组)。参与者需前往研究中心访视,并可能需要留院过夜观察,尤其是在给药日。
只要受试者能从治疗中获益且能够耐受治疗,就可以留在研究中最长3年。在此期间,医生会定期检查肿瘤大小。医生还会定期检查受试者的健康状况,并记录任何不良效应。他们会收集受试者任何健康问题的信息,并采集血液样本。
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。
需要用于商业化训练或医疗器械注册(NMPA/FDA)?
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连,提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。




