PF-08046033治疗晚期实体瘤的I期研究
这是一项早期(1期)临床试验,测试研究药物PF-08046033,面向无法手术切除或已转移的晚期非小细胞肺癌、食管鳞癌和黑色素瘤成人患者

基本信息
资源简介
PF-08046033治疗晚期实体瘤的I期研究
这是一项早期(1期)临床试验,测试研究药物PF-08046033,面向无法手术切除或已转移的晚期非小细胞肺癌、食管鳞癌和黑色素瘤成人患者。研究旨在了解其安全性、耐受性、体内行为及早期抗癌迹象。研究分两部分:第一部分递增剂量以寻找安全合适剂量;第二部分纳入更多特定癌种受试者,进一步了解安全性和控制癌症迹象。按周期用药、密切监测,结果帮助决定是否进入后期试验(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、食管癌、皮肤黑色素瘤。这是一项早期(1期)临床研究,旨在测试一种名为 PF-08046033 的新研究药物。该研究的目标是了解该药物的安全性、人体对其的耐受程度、它在体内的表现,以及是否显示出有助于治疗癌症的早期迹象。该研究纳入患有无法通过手术切除或已扩散至身体其他部位的晚期癌症的成年参与者。这些癌症包括非小细胞肺癌、食管鳞状细胞癌和黑色素瘤。该研究分为两部分:在第一部分中,由少量参与者组成的小组接受递增剂量的研究药物。这有助于研究人员找到一种安全且适合进一步测试的剂量。一旦确定合适剂量,第二部分将纳入更多患有特定癌症类型的参与者,以更好地了解该药物的安全性,以及它是否显示出有助于控制癌症的迹象。参与者按常规治疗周期接受研究药物,并接受密切监测,以观察副作用以及其癌症的应答情况。来自本研究的信息将帮助研究人员决定是否应在后期临床试验中进一步研究 PF-08046033。
【主题与分类】
主题标签:Non-Small-Cell Lung、Esophageal Cancer、Cutaneous Melanoma。本站分类:肿瘤/肺癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07519655
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/NCT07519655
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、食管癌、皮肤黑色素瘤。这是一项早期(1期)临床研究,旨在测试一种名为 PF-08046033 的新研究药物。该研究的目标是了解该药物的安全性、人体对其的耐受程度、它在体内的表现,以及是否显示出有助于治疗癌症的早期迹象。该研究纳入患有无法通过手术切除或已扩散至身体其他部位的晚期癌症的成年参与者。这些癌症包括非小细胞肺癌、食管鳞状细胞癌和黑色素瘤。该研究分为两部分:在第一部分中,由少量参与者组成的小组接受递增剂量的研究药物。这有助于研究人员找到一种安全且适合进一步测试的剂量。一旦确定合适剂量,第二部分将纳入更多患有特定癌症类型的参与者,以更好地了解该药物的安全性,以及它是否显示出有助于控制癌症的迹象。参与者按常规治疗周期接受研究药物,并接受密切监测,以观察副作用以及其癌症的应答情况。来自本研究的信息将帮助研究人员决定是否应在后期临床试验中进一步研究 PF-08046033。
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。




