FATE-NK100单药及联合单克隆抗体治疗晚期实体瘤研究
该数据集来自clinicaltrials.gov，聚焦FATE-NK100作为单药及联合单克隆抗体治疗晚期实体瘤的临床研究
基本信息
资源简介
FATE-NK100单药及联合单克隆抗体治疗晚期实体瘤研究
该数据集来自clinicaltrials.gov，聚焦FATE-NK100作为单药及联合单克隆抗体治疗晚期实体瘤的临床研究。覆盖HER2阳性胃癌、结直肠癌、头颈部鳞状细胞癌、EGFR阳性实体瘤、晚期实体瘤、HER2阳性乳腺癌、肝细胞癌及非小细胞肺癌等适应症。研究为1期、单剂量、开放标签、剂量递增设计，分三部分方案：A方案为FATE-NK100单药治疗晚期实体瘤；B方案为FATE-NK100联合曲妥珠单抗治疗HER2阳性晚期乳腺癌、胃癌或其他HER2阳性实体瘤；C方案为FATE-NK100联合西妥昔单抗治疗晚期结直肠癌或头颈部鳞状细胞癌等。可用于肿瘤免疫治疗及联合用药研究（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：条件：HER2阳性胃癌、结直肠癌、头颈部鳞状细胞癌、EGFR阳性实体瘤、晚期实体瘤、HER2阳性乳腺癌、肝细胞癌、非小细胞肺癌。这是一项1期、单剂量、开放标签、剂量递增研究。该研究将在门诊环境下分三部分（即方案）进行，具体如下： A方案：FATE-NK100作为单药治疗晚期实体瘤恶性肿瘤受试者。 B方案：FATE-NK100联合曲妥珠单抗治疗人表皮生长因子受体2阳性（HER2+）晚期乳腺癌、HER2+晚期胃癌或其他晚期HER2+实体瘤受试者。* C方案：FATE-NK100联合西妥昔单抗治疗晚期结直肠癌（CRC）或头颈部鳞状细胞癌（HNSCC），或其他表皮生长因子受
【主题与分类】
主题标签：HER2 Positive Gastric Cancer、Colorectal Cancer、Head and Neck Squamous Cell Carcinoma、EGFR Positive Solid Tumor、Advanced Solid Tumors、HER2-positive Breast Cancer、Hepatocellular Carcinoma、Non Small Cell Lung Cancer、Renal Cell Carcinoma、Pancreatic Cancer。本站分类：肿瘤/肺癌。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT03319459
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/NCT03319459
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：HER2阳性胃癌、结直肠癌、头颈部鳞状细胞癌、EGFR阳性实体瘤、晚期实体瘤、HER2阳性乳腺癌、肝细胞癌、非小细胞肺癌。这是一项1期、单剂量、开放标签、剂量递增研究。该研究将在门诊环境下分三部分（即治疗方案）进行，具体如下：* 方案A：FATE-NK100作为单一疗法，用于晚期实体恶性肿瘤受试者。* 方案B：FATE-NK100与曲妥珠单抗联合，用于人表皮生长因子受体2阳性（HER2+）晚期乳腺癌、HER2+晚期胃癌或其他晚期HER2+实体瘤受试者。* 方案C：FATE-NK100与西妥昔单抗联合，用于晚期结直肠癌（CRC）或头颈部鳞状细胞癌（HNSCC），或其他表皮生长因子受体1阳性（EGFR1+）晚期实体瘤受试者。
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。
