BBO-10203 在晚期实体瘤受试者中的开放标签研究
该数据集来自 clinicaltrials.gov，为一项开放标签、多中心 1a/1b 期研究，评估 BBO-10203 单药及与 Trastuzumab、Fulvestrant ± Ribociclib 或 FOLFOX + Bevacizumab 联合治疗局部晚期不可切除或转移性实体瘤的安全性、
基本信息
资源简介
BBO-10203 在晚期实体瘤受试者中的开放标签研究
该数据集来自 clinicaltrials.gov，为一项开放标签、多中心 1a/1b 期研究，评估 BBO-10203 单药及与 Trastuzumab、Fulvestrant ± Ribociclib 或 FOLFOX + Bevacizumab 联合治疗局部晚期不可切除或转移性实体瘤的安全性、耐受性、初步抗肿瘤活性和药代动力学。覆盖成人实体瘤、转移性乳腺癌、晚期乳腺癌、HER2 突变相关肿瘤、HER2 阳性转移性乳腺癌、KRAS 突变转移性结直肠癌、转移性肺癌及转移性结直肠癌。研究包含剂量递增和扩展阶段，可用于肿瘤治疗反应与安全性相关建模分析（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：条件：实体瘤、成人、转移性乳腺癌、晚期乳腺癌、HER2 突变相关肿瘤、HER2 阳性转移性乳腺癌、KRAS 突变转移性结直肠癌、转移性肺癌、转移性结直肠癌。这是一项开放标签、多中心 1a/1b 期研究，旨在评估 BBO-10203 作为单药以及与 Trastuzumab、Fulvestrant ± Ribociclib 或 FOLFOX + Bevacizumab 联合治疗局部晚期不可切除或转移性（即晚期）实体瘤患者的安全性、耐受性、初步抗肿瘤活性和 PK。该研究包括剂量递增阶段和扩展阶段。
【主题与分类】
主题标签：Solid Tumor, Adult、Metastatic Breast Cancer、Advanced Breast Cancer、HER2 Mutation-Related Tumors、HER2-positive Metastatic Breast Cancer、KRAS Mutant Metastatic Colorectal Cancer、Metastatic Lung Cancer、Metastatic Colorectal Cancer、Advanced Lung Cancer、HER2-positive Advanced Breast Cancer。本站分类：肿瘤/肺癌。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT06625775
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/NCT06625775
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：实体瘤、成人、转移性乳腺癌、晚期乳腺癌、HER2突变相关肿瘤、HER2阳性转移性乳腺癌、KRAS突变转移性结直肠癌、转移性肺癌、转移性结直肠癌。这是一项开放标签、多中心1a/1b期研究，旨在评估BBO-10203单药以及与曲妥珠单抗、氟维司群±瑞波西利或FOLFOX+贝伐珠单抗联合治疗局部晚期不可切除或转移性（即晚期）实体瘤患者的安全性、耐受性、初步抗肿瘤活性和药代动力学。该研究包括剂量递增阶段和扩展阶段。
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。
