SYS6043 晚期/转移性实体瘤 I 期研究
该数据集来自 clinicaltrials.gov,为 SYS6043(靶向 B7-H3 的抗体偶联药物)在晚期/转移性实体瘤患者中开展的多中心、开放标签 I 期研究,涵盖剂量递增、PK 扩展和队列扩展三部分

基本信息
资源简介
SYS6043 晚期/转移性实体瘤 I 期研究
该数据集来自 clinicaltrials.gov,为 SYS6043(靶向 B7-H3 的抗体偶联药物)在晚期/转移性实体瘤患者中开展的多中心、开放标签 I 期研究,涵盖剂量递增、PK 扩展和队列扩展三部分。研究采用 BOIN 设计进行剂量递增,评估 MTD/MAD 与 RP2D,并在 2-3 个剂量水平开展 PK 扩展,以评价安全性、耐受性、PK 特征及初步抗肿瘤疗效。覆盖癌种包括实体瘤、前列腺癌、小细胞肺癌、卵巢癌和乳腺癌,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:癌症、实体瘤癌症、晚期转移性癌症、前列腺癌、小细胞肺癌、卵巢癌、乳腺癌。这是一项多中心、开放标签的 I 期研究,包括剂量递增、PK 扩展和队列扩展,旨在评估 SYS6043(一种靶向 B7-H3 的抗体偶联药物)在晚期/转移性实体瘤患者中的安全性、耐受性、PK 特征和初步抗肿瘤疗效。研究包括三个部分,即剂量递增、PK 扩展和队列扩展。Ia 期剂量递增是本研究的第一个部分(第 1 部分)。剂量递增采用 BOIN 设计进行,以评估 MTD/最大给药剂量(MAD)和 RP2D。Ia 期 PK 扩展(第 2 部分)将在 SMC 评估为安全性/耐受性可接受的 2-3 个剂量水平(≤MTD)进行,以进一步评估安全性、耐受性
【主题与分类】
主题标签:Cancer、Solid Tumor Cancer、Advanced Metastatic Cancer、Prostate、Small Cell Lung Cancer、Ovarian Cancer、Breast Cancer。本站分类:肿瘤/肺癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07424547
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/NCT07424547
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:癌症、实体瘤、晚期转移性癌症、前列腺癌、小细胞肺癌、卵巢癌、乳腺癌。这是一项多中心、开放标签、I期剂量递增、PK扩展和队列扩展研究,旨在评估SYS6043(一种靶向B7-H3的抗体偶联药物)在晚期/转移性实体瘤患者中的安全性、耐受性、PK特征和初步抗肿瘤疗效。研究包括三个部分,即剂量递增、PK扩展和队列扩展。Ia期剂量递增是本研究的第1部分(Part 1)。剂量递增采用BOIN设计进行,以评估MTD/最大给药剂量(MAD)和RP2D。Ia期PK扩展(Part 2)将在经SMC评估认为安全性/耐受性可接受(≤MTD)的2-3个剂量水平进行,以进一步评估SYS6043的安全性、耐受性、PK特征和初步抗肿瘤活性。Ib期队列扩展(Part 3)将在选定的RP2D剂量(1-2个剂量水平)进一步评估SYS6043的安全性和疗效。本研究将设立安全性监查委员会(SMC)。
SMC将在研究期间持续审查安全性,并就剂量递增调整、新增剂量组、推荐剂量及推荐探索性队列作出决定。详情请参阅SMC章程。
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。




