XmAb808联合Pembrolizumab治疗晚期实体瘤的I期首次人体剂量探索与扩展研究
该数据集来自clinicaltrials.gov，收录一项I期、开放标签、首次人体、多剂量、剂量递增并在推荐剂量下进行队列扩展的研究，评估XmAb808联合pembrolizumab的安全性及耐受性
基本信息
资源简介
XmAb808联合Pembrolizumab治疗晚期实体瘤的I期首次人体剂量探索与扩展研究
该数据集来自clinicaltrials.gov，收录一项I期、开放标签、首次人体、多剂量、剂量递增并在推荐剂量下进行队列扩展的研究，评估XmAb808联合pembrolizumab的安全性及耐受性。研究分两部分：Part A剂量递增和Part B队列扩展。覆盖瘤种包括头颈部鳞状细胞癌、排除葡萄膜黑色素瘤的黑色素瘤、鳞状或非鳞状非小细胞肺癌、尿路上皮癌、透明细胞肾细胞癌、去势抵抗性前列腺癌、上皮性卵巢癌及三阴性乳腺癌。可用于肿瘤免疫联合治疗相关研究（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：条件：头颈部鳞状细胞癌、排除葡萄膜黑色素瘤的黑色素瘤、鳞状或非鳞状非小细胞肺癌、尿路上皮癌、透明细胞肾细胞癌、去势抵抗性前列腺癌、上皮性卵巢癌、TNBC-三阴性乳腺癌。这是一项I期、开放标签、首次人体（FIH）、多剂量、剂量递增研究，并在RD进行队列扩展，旨在评估XmAb808联合pembrolizumab的安全性及耐受性。本研究将分2部分进行：Part A（剂量递增）和Part B（队列扩展）。
【主题与分类】
主题标签：Head and Neck Squamous Cell Carcinoma、Melanoma Excluding Uveal Melanoma、Urothelial Carcinoma、Renal Cell Carcinoma, Clear Cell、Castration-resistant Prostate Cancer、Ovarian Cancer, Epithelial、TNBC - Triple-Negative Breast Cancer、Colorectal Cancer。本站分类：肿瘤/肺癌。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT05585034
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/NCT05585034
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
疾病类型：头颈部鳞状细胞癌、排除葡萄膜黑色素瘤的黑色素瘤、非小细胞肺癌（鳞状或非鳞状）、尿路上皮癌、肾细胞癌（透明细胞型）、去势抵抗性前列腺癌、卵巢癌（上皮性）、三阴性乳腺癌。这是一项1期、开放标签、首次人体（FIH）、多剂量、剂量递增研究，并在推荐剂量（RD）下进行队列扩展，旨在评估XmAb808与帕博利珠单抗联合用药的安全性和耐受性。本研究将分为两部分：A部分（剂量递增）和B部分（队列扩展）。
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。
