双唾液酸酶融合蛋白介导的聚糖免疫调节(GLIMMER-01)
GLIMMER-01 是一项在 clinicaltrials.gov 登记的肿瘤学研究数据集,覆盖黑色素瘤、卵巢癌、非小细胞肺癌、结直肠癌、胰腺癌、乳腺癌、胃/食管胃结合部癌、头颈癌及尿路上皮癌等晚期癌症

基本信息
资源简介
双唾液酸酶融合蛋白介导的聚糖免疫调节(GLIMMER-01)
GLIMMER-01 是一项在 clinicaltrials.gov 登记的肿瘤学研究数据集,覆盖黑色素瘤、卵巢癌、非小细胞肺癌、结直肠癌、胰腺癌、乳腺癌、胃/食管胃结合部癌、头颈癌及尿路上皮癌等晚期癌症。研究评估 E-602 的安全性、耐受性、药代动力学、药效动力学及抗肿瘤活性,Phase 1 包含 E-602 单药及与 cemiplimab 联合的剂量递增队列,采用改良 3+3 设计,并允许队列回填至多 15 名受试者以补充安全性、PK 和药效数据。该数据可用于肿瘤免疫治疗相关的安全性、剂量探索与疗效分析(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:肿瘤学、黑色素瘤、卵巢癌、NSCLC、非小细胞肺癌、结直肠癌、胰腺癌、癌症。本研究旨在评估 E-602 在晚期癌症受试者中的安全性、耐受性、PK、药效动力学和抗肿瘤活性。研究的 Phase 1 包括 E-602 作为单药以及与 cemiplimab 联合的剂量递增队列。剂量递增将采用改良的 3+3 设计。任何 Phase 1 队列均可回填,最多共 15 名受试者,以在特定剂量水平获得额外的安全性、PK 和药效动力学数据。Phase 1 将治疗黑色素瘤、卵巢癌、非小细胞肺癌(NSCLC)、结直肠癌、胰腺癌、乳腺癌、胃/食管胃结合部(EGJ)癌、头颈癌或尿路上皮癌受试者。安全性和药效动力学数据将被评估
【主题与分类】
主题标签:Oncology、Melanoma、Ovarian Cancer、NSCLC、Non Small Cell Lung Cancer、Colorectal Cancer、Pancreatic Cancer、Cancer、CRC、Colon Cancer。本站分类:肿瘤/肺癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT05259696
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/NCT05259696
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:肿瘤学、黑色素瘤、卵巢癌、NSCLC、非小细胞肺癌、结直肠癌、胰腺癌、癌症。本研究旨在评估E-602在晚期癌症受试者中的安全性、耐受性、药代动力学、药效学和抗肿瘤活性。研究的第一阶段包括E-602作为单一疗法及与西米普利单抗联合使用的剂量递增队列。剂量递增将采用改良的3+3设计。任何第一阶段队列均可补充受试者,最多总计15名受试者,以获取特定剂量水平下的额外安全性、药代动力学和药效学数据。第一阶段将治疗患有黑色素瘤、卵巢癌、非小细胞肺癌(NSCLC)、结直肠癌、胰腺癌、乳腺癌、胃/食管胃交界处(EGJ)癌、头颈癌或尿路上皮癌的受试者。将评估安全性和药效学数据,以确定E-602作为单一疗法及与西米普利单抗联合使用的最大耐受剂量和推荐的第二阶段剂量水平。
第二阶段包括针对3种晚期肿瘤受试者的剂量扩展疾病队列:黑色素瘤、NSCLC,以及根据现有数据确定的第三种类型(卵巢癌、结直肠癌、胰腺癌、乳腺癌、胃/EGJ癌、头颈部癌或尿路上皮癌)。第二阶段包括E-602单药治疗队列和E-602联合cemiplimab治疗队列。对于第二阶段的每个队列,将采用Simon极小极大两阶段设计。本研究计划总共入组最多273名受试者(第一阶段最多87名,第二阶段最多186名)。受试者将参与研究约16个月。
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。




