Silevertinib(BDTX-1535)在胶质母细胞瘤或伴EGFR突变的非小细胞肺癌患者中的1/2期研究
BDTX-1535-101为开放标签1期剂量递增和2期多队列研究,评估silevertinib的安全性、药代动力学、CNS活性及抗肿瘤活性

基本信息
资源简介
Silevertinib(BDTX-1535)在胶质母细胞瘤或伴EGFR突变的非小细胞肺癌患者中的1/2期研究
BDTX-1535-101为开放标签1期剂量递增和2期多队列研究,评估silevertinib的安全性、药代动力学、CNS活性及抗肿瘤活性。对象为晚期/转移性NSCLC成人,伴非经典或获得性EGFR耐药(C797S)突变,伴或不伴CNS疾病(1、2期),或表达EGFR改变的GBM(仅1期)。口服silevertinib单药;1期入组完成,2期进行中(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:非小细胞肺癌、晚期非小细胞鳞状细胞肺癌、转移性肺非小细胞癌、转移性肺癌、NSCLC、晚期肺癌、表皮生长因子受体(EGFR)C797S、表皮生长因子受体(EGFR)G719X。BDTX-1535-101是一项开放标签的1期剂量递增和2期多队列研究,旨在评估silevertinib(BDTX-1535)的安全性、药代动力学(PK)、最佳剂量、中枢神经系统(CNS)活性和抗肿瘤活性。研究人群包括患有晚期/转移性非小细胞肺癌(NSCLC)且携带非经典或获得性表皮生长因子受体(EGFR)耐药(EGFR C797S)突变、伴或不伴中枢神经系统(CNS)疾病的成人(1期和2期),或患有表达EGFR改变的胶质母细胞瘤(GBM)的成人(仅1期)。所有患者将按21天周期自行口服silevertinib(BDTX-1535)单药治疗。1期入组现已完成。2期目前正在进行中。
【主题与分类】
主题标签:Non-Small Cell Lung Cancer、Metastatic Lung Non-Small Cell Carcinoma、Metastatic Lung Cancer、NSCLC、Advanced Lung Carcinoma、Epidermal Growth Factor Receptor C797S、Epidermal Growth Factor Receptor G719X、EGFR-TKI Resistant Mutation。本站分类:肿瘤/肺癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT05256290
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/NCT05256290
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:非小细胞肺癌、晚期非小细胞鳞状细胞肺癌、转移性肺非小细胞癌、转移性肺癌、NSCLC、晚期肺癌、表皮生长因子受体(EGFR)C797S、表皮生长因子受体(EGFR)G719X。BDTX-1535-101是一项开放标签的1期剂量递增和2期多队列研究,旨在评估silevertinib(BDTX-1535)的安全性、药代动力学(PK)、最佳剂量、中枢神经系统(CNS)活性和抗肿瘤活性。研究人群包括患有晚期/转移性非小细胞肺癌(NSCLC)且携带非经典或获得性表皮生长因子受体(EGFR)耐药(EGFR C797S)突变、伴或不伴中枢神经系统(CNS)疾病的成人(1期和2期),或患有表达EGFR改变的胶质母细胞瘤(GBM)的成人(仅1期)。所有患者将按21天周期自行口服silevertinib(BDTX-1535)单药治疗。1期入组现已完成。2期目前正在进行中。
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。




