晚期难治性实体瘤的1/2期剂量探索、安全性与PK研究
该数据集来自clinicaltrials.gov,聚焦晚期转移性实体瘤患者,涵盖去势抵抗性前列腺癌、乳腺癌、结直肠癌、非小细胞肺癌、胰腺癌及导管细胞腺癌等瘤种

基本信息
资源简介
晚期难治性实体瘤的1/2期剂量探索、安全性与PK研究
该数据集来自clinicaltrials.gov,聚焦晚期转移性实体瘤患者,涵盖去势抵抗性前列腺癌、乳腺癌、结直肠癌、非小细胞肺癌、胰腺癌及导管细胞腺癌等瘤种。研究为多中心、开放标签的首次人体试验,包含1a期剂量递增、1b期剂量扩展和2期部分,旨在评估MBRC-201的安全性,确定潜在最佳生物学相关剂量、推荐2期剂量和最大耐受剂量,并初步观察临床活性。数据可用于肿瘤学剂量探索、安全性分析与药代动力学相关预测建模(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:前列腺癌、去势抵抗性前列腺癌、乳腺癌、结直肠癌、肺癌(非小细胞)、胰腺癌、导管细胞腺癌。这是一项多中心、开放标签的首次人体(FIH)1a期(剂量递增)、1b期(剂量扩展)和2期研究,受试者为对标准治疗难治的晚期转移性实体瘤患者。1a期将表征安全性,并确定MBRC-201在一种或多种给药方案下的潜在最佳生物学相关剂量(OBRD)、推荐2期剂量(RP2D)和最大耐受剂量(MTD)。1b期将评估MBRC-201在1a期确定的潜在OBRD、RP2D和给药方案下的安全性和初步临床活性。初始2期部分将在根据1a期和1b期数据确定RP2D后开始。1b期将至少入组4个扩展队列。
【主题与分类】
主题标签:Breast Cancer、Colo-rectal Cancer、Lung Cancer (Non-Small Cell)。本站分类:肿瘤/肺癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07145255
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/NCT07145255
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:前列腺癌、去势抵抗性前列腺癌、乳腺癌、结直肠癌、肺癌(非小细胞)、胰腺癌、导管细胞腺癌。这是一项多中心、开放标签的首次人体(FIH)试验,包括1a期(剂量递增)、1b期(剂量扩展)和2期研究,受试者为标准治疗难治的晚期转移性实体瘤患者。1a期将表征MBRC-201在一种或多种给药方案下的安全性,并确定潜在的最佳生物学相关剂量(OBRDs)、推荐的2期剂量(RP2Ds)和最大耐受剂量(MTD)。1b期将评估MBRC-201在1a期确定的潜在OBRDs、RP2Ds和给药方案下的安全性和初步临床活性。初始2期部分将在根据1a期和1b期数据确定RP2D后开始。
1b期将入组至少4个扩展队列,每队列约20例患者(总计n≈80),涵盖以下肿瘤类型:经确认腺癌组织学的mCRPC患者、对标准治疗难治的晚期转移性NSCLC患者、对标准治疗难治的晚期转移性乳腺癌患者(TNBC、HR+/HER2低表达或阴性、或HR-/HER2低表达),以及对标准治疗难治的晚期转移性CRC或PDAC患者。初步的2期将入组约30例患者,以进一步评估MBRC-201在1b期确定的RP2D下的抗肿瘤活性和安全性。2期将入组来自1a/1b期评估适应症的肿瘤特异性队列患者。1a期、1b期和2期将表征单次和多次给药的PK特征,并评估抗MBRC-201抗体(Ab)[ADA]形成的发生率和持续性。安全性将在1a期的每个剂量递增阶段进行评估,并在1b期和2期全程进行临时评估。
一个由研究中心研究者和申办方代表组成的安全性审查委员会(SRC)将在整个研究期间监测患者安全性并提出给药建议。研究持续时间(例如,从首例患者入组到LTFU数据收集完成)i
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。




