Nivolumab 用于晚期非小细胞肺癌合并自身免疫性疾病患者
该数据集来自 clinicaltrials.gov,聚焦 Nivolumab(一种 PD-1 抑制剂)在晚期非小细胞肺癌合并自身免疫性疾病患者中的安全性、耐受性与活性

基本信息
资源简介
Nivolumab 用于晚期非小细胞肺癌合并自身免疫性疾病患者
该数据集来自 clinicaltrials.gov,聚焦 Nivolumab(一种 PD-1 抑制剂)在晚期非小细胞肺癌合并自身免疫性疾病患者中的安全性、耐受性与活性。研究按自身免疫病类型分为两个队列:队列 1 包括类风湿关节炎、银屑病、巨细胞动脉炎/风湿性多肌痛、系统性红斑狼疮;队列 2 包括其他自身免疫病,如溃疡性结肠炎、克罗恩病、多发性硬化。入组前需与 PI 讨论,给药前 28 天内完成筛查。数据可用于探索免疫检查点抑制剂在自身免疫病人群中的治疗风险与获益(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:自身免疫性疾病、非小细胞肺癌、类风湿关节炎、银屑病、巨细胞动脉炎、风湿性多肌痛、系统性红斑狼疮、克罗恩病。本研究的目的是探索 Nivolumab(一种 PD-1 抑制剂)在自身免疫性疾病患者队列中的安全性、耐受性和活性。将根据下述自身免疫性疾病类型入组两个患者队列。队列 1 和队列 2 的入组将同时开始并独立招募。队列 1:类风湿关节炎、银屑病、巨细胞动脉炎/风湿性多肌痛、系统性红斑狼疮。队列 2:其他自身免疫性疾病(溃疡性结肠炎、克罗恩病、多发性硬化)。入组前患者必须与 PI 讨论。患者将在开始给药前 28 天内接受筛查。符合条件的患者将被入组至
【主题与分类】
主题标签:Autoimmune Diseases、Non-small Cell Lung Cancer、Rheumatoid Arthritis、Psoriasis、Giant Cell Arteritis、Polymyalgia Rheumatica、Systemic Lupus Erythematosus、Crohn Disease、Multiple Sclerosis、Ulcerative Colitis。本站分类:肿瘤/肺癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT03656627
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/NCT03656627
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:自身免疫性疾病、非小细胞肺癌、类风湿关节炎、银屑病、巨细胞动脉炎、风湿性多肌痛、系统性红斑狼疮、克罗恩病。本研究旨在探索PD-1抑制剂Nivolumab在自身免疫性疾病患者队列中的安全性、耐受性和活性。将根据下述自身免疫性疾病类型入组两个患者队列。队列1和队列2的入组将同时开始并独立进行。队列1:类风湿关节炎、银屑病、巨细胞动脉炎/风湿性多肌痛、系统性红斑狼疮。队列2:其他自身免疫性疾病(溃疡性结肠炎、克罗恩病、多发性硬化症)。入组前必须与主要研究者讨论患者情况。患者将在开始给药前28天内接受筛选。符合条件的患者将入组两个队列之一。患者将在门诊环境中每两周接受一次治疗。一个周期为28天,在28天周期的第1天和第15天给予Nivolumab。将允许受试者在初始RECIST 1.1评估后继续接受治疗。
对于每个队列,所有患者均将接受240 mg静脉注射给药。该剂量水平不会进行剂量下调或上调。受试者在退出方案治疗后将接受为期两年的电话随访,或直至死亡,以先发生者为准。每六个月进行一次电话随访,获取生存信息。因不可接受的不良事件而退出方案治疗的受试者,除退出方案治疗后两年内或直至死亡(以先发生者为准)的随访外,还将随访至不良事件缓解或稳定。
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。




