P-MUC1C-ALLO1 同种异体 CAR-T 细胞治疗晚期或转移性实体瘤
该数据集来自 clinicaltrials.gov，聚焦 P-MUC1C-ALLO1 同种异体 CAR-T 细胞疗法在晚期或转移性实体瘤中的 Phase 1 开放标签、多中心研究
基本信息
资源简介
P-MUC1C-ALLO1 同种异体 CAR-T 细胞治疗晚期或转移性实体瘤
该数据集来自 clinicaltrials.gov，聚焦 P-MUC1C-ALLO1 同种异体 CAR-T 细胞疗法在晚期或转移性实体瘤中的 Phase 1 开放标签、多中心研究。覆盖乳腺癌、卵巢癌、非小细胞肺癌、结直肠癌、胰腺癌、肾细胞癌、鼻咽癌及头颈部鳞状细胞癌等瘤种。研究采用 3+3 剂量递增设计，评估单次与多次给药以确定 Recommended Phase 2 Dose（RP2D），并在 RP2D 下继续入组受试者，连续测量安全性、耐受性与疗效，必要时可给予 Rimiducid。可用于肿瘤免疫治疗与 CAR-T 相关研究（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：条件：乳腺癌、卵巢癌、非小细胞肺癌、结直肠癌、胰腺癌、肾细胞癌、鼻咽癌、头颈部鳞状细胞癌。这是一项开放标签、多中心 Phase 1 研究，将遵循 3 + 3 设计，对 P-MUC1C-ALLO1 的单次和多次给药剂量递增队列进行研究，以确定 Recommended Phase 2 Dose（RP2D）。P-MUC1C-ALLO1 是一种同种异体嵌合抗原受体（CAR）T 细胞疗法，旨在靶向表达 Mucin1 细胞表面相关 C 端（MUC1-C）抗原的癌细胞。额外受试者将在确定的 RP2D 下接受 P-MUC1C-ALLO1 治疗。入组后，受试者将接受 P-MUC1C-ALLO1 治疗，并接受安全性、耐受性和反应的连续测量。可根据指征给予 Rimiducid。
【主题与分类】
主题标签：Breast Cancer、Ovarian Cancer、Non Small Cell Lung Cancer、Colorectal Cancer、Pancreatic Cancer、Renal Cell Carcinoma、Nasopharyngeal Cancer、Head and Neck Squamous Cell Carcinoma、Gastric Cancer。本站分类：肿瘤/肺癌。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT05239143
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/NCT05239143
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：乳腺癌、卵巢癌、非小细胞肺癌、结直肠癌、胰腺癌、肾细胞癌、鼻咽癌、头颈部鳞状细胞癌。这是一项开放标签、多中心1期研究，将采用3+3设计，对P-MUC1C-ALLO1单次和多次给药剂量递增队列进行研究，以确定推荐2期剂量（RP2D）。P-MUC1C-ALLO1是一种同种异体嵌合抗原受体（CAR）T细胞疗法，旨在靶向表达Mucin1细胞表面相关C末端（MUC1-C）抗原的癌细胞。额外受试者将在确定的RP2D剂量下接受P-MUC1C-ALLO1治疗。入组后，受试者将接受P-MUC1C-ALLO1治疗，并接受安全性、耐受性和缓解的系列评估。可根据指征给予Rimiducid。
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。
