Dato-DXd联合Durvalumab和卡铂一线治疗晚期NSCLC的III期开放标签研究
该数据集来自clinicaltrials.gov,聚焦于无可用基因组改变的晚期非小细胞肺癌(NSCLC)患者。研究为III期开放标签试验,将受试者按1:1随机分配至Dato-DXd联合durvalumab和卡铂组,或pembrolizumab联合组织学特异性铂类化疗组,作为一线治疗

基本信息
资源简介
Dato-DXd联合Durvalumab和卡铂一线治疗晚期NSCLC的III期开放标签研究
该数据集来自clinicaltrials.gov,聚焦于无可用基因组改变的晚期非小细胞肺癌(NSCLC)患者。研究为III期开放标签试验,将受试者按1:1随机分配至Dato-DXd联合durvalumab和卡铂组,或pembrolizumab联合组织学特异性铂类化疗组,作为一线治疗。主要目标是在非鳞状TROP2生物标志物阳性的局部晚期或转移性NSCLC患者中,通过BICR评估的PFS和OS等指标,证明Dato-DXd联合方案相对于pembrolizumab联合铂类化疗的优效性。数据可用于肺癌免疫治疗与抗体偶联药物联合方案的疗效预测与比较研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:NSCLC。无可用肿瘤组织基因组改变、且确认符合所有入组标准的局部晚期或转移性NSCLC受试者,将按1:1比例随机分配至Dato-DXd联合durvalumab和卡铂组,或pembrolizumab联合组织学特异性铂类化疗组,作为一线治疗。本研究的主要目标是通过评估以下指标,证明Dato-DXd联合durvalumab和卡铂相对于pembrolizumab联合铂类化疗的优效性:1. 在非鳞状TROP2生物标志物阳性的局部晚期或转移性NSCLC受试者一线治疗中,由BICR评估的PFS;2. 在非鳞状TROP2生物标志物阳性的局部晚期或转移性NSCLC受试者一线治疗中的OS;3. 在一线治疗中由BICR评估的PFS
【主题与分类】
主题标签:NSCLC。本站分类:肿瘤/肺癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT05687266
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/NCT05687266
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:NSCLC。局部晚期或转移性NSCLC、无可用靶向的肿瘤组织基因组改变且确认符合所有入组标准的参与者,将按1:1比例随机分配接受Dato-DXd联合度伐利尤单抗和卡铂治疗,对比帕博利珠单抗联合组织学特异性铂类化疗作为一线治疗。本研究的主要目的是通过评估以下内容,证明Dato-DXd联合度伐利尤单抗和卡铂相对于帕博利珠单抗联合铂类化疗的优效性:1. 在非鳞状TROP2生物标志物阳性的局部晚期或转移性NSCLC参与者一线治疗中,由BICR评估的PFS;2. 在非鳞状TROP2生物标志物阳性的局部晚期或转移性NSCLC参与者一线治疗中的OS;3. 在非鳞状局部晚期或转移性NSCLC参与者一线治疗中,由BICR评估的PFS;4. 在非鳞状局部晚期或转移性NSCLC参与者一线治疗中的OS。
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。




