STRO-006 治疗复发或转移性难治性实体瘤的成人 1 期研究
该数据集来自 clinicaltrials.gov,收录一项 STRO-006 在复发或转移性难治性实体瘤成人患者中开展的首次人体(FIH)1 期开放标签、多中心研究

基本信息
资源简介
STRO-006 治疗复发或转移性难治性实体瘤的成人 1 期研究
该数据集来自 clinicaltrials.gov,收录一项 STRO-006 在复发或转移性难治性实体瘤成人患者中开展的首次人体(FIH)1 期开放标签、多中心研究。覆盖头颈部鳞状细胞癌、非小细胞肺癌、食管癌、胃癌、结直肠癌、子宫内膜癌、尿路上皮癌 (UC) 和乳腺癌等瘤种。研究分为三部分:Part 1A 为 STRO-006 单药剂量递增,Part 1B 为单药剂量扩展,Part 1C 为联合用药剂量递增,评估安全性、耐受性、药代动力学(PK)及初步抗肿瘤活性。可用于肿瘤治疗相关研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):适应症:头颈部鳞状细胞癌、非小细胞肺癌、食管癌、胃癌、结直肠癌、子宫内膜癌、尿路上皮癌 (UC)、乳腺癌。本研究是一项首次人体(FIH)1 期开放标签、多中心研究,包括三个部分: Part 1A 是在据报告常表达 ITGB6 的选定肿瘤类型中进行的 STRO-006 单药剂量递增。Part 1A 将确定 STRO-006 的安全性、耐受性、药代动力学 (PK) 和初步抗肿瘤活性。 Part 1B 是在由申办方确定的一个或多个适应症中进行的剂量扩展,以进一步评估 STRO-006 单药剂量、考察抗肿瘤活性,并确定 STRO-006 单药的推荐 2 期剂量 (RP2D)。* Part 1C 是联合用药剂量递增,以确定 STRO-006 联合用药的安全性、耐受性、PK 和初步抗肿瘤活性
【主题与分类】
主题标签:Head & Neck Squamous Cell Carcinoma、Non-Small Cell Lung Cancer、Esophageal Cancer、Gastric Cancer、Colorectal Cancer、Endometrial Cancer、Urothelial Carcinoma (UC)、Breast Cancer。本站分类:肿瘤/肺癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07807345
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/NCT07807345
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:头颈部鳞状细胞癌、非小细胞肺癌、食管癌、胃癌、结直肠癌、子宫内膜癌、尿路上皮癌(UC)、乳腺癌。本研究是一项首次人体(FIH)1期开放标签、多中心研究,包括三个部分:* 第1A部分为STRO-006单药在选定肿瘤类型中的剂量递增,这些肿瘤类型据报告常表达ITGB6。第1A部分将确定STRO-006的安全性、耐受性、药代动力学(PK)和初步抗肿瘤活性。* 第1B部分为在一个或多个适应症中的剂量扩展,由申办方确定,以进一步评估STRO-006单药剂量、考察抗肿瘤活性,并确定STRO-006单药的推荐2期剂量(RP2D)。* 第1C部分为联合剂量递增,以确定STRO-006联合帕博利珠单抗的安全性、耐受性、PK和初步抗肿瘤活性。
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。




