MGD009 在 B7-H3 表达肿瘤中的安全性研究
该数据集来自 clinicaltrials.gov,为一项关于 MGD009 在 B7-H3 表达肿瘤中的 Phase 1 开放标签、剂量递增、队列扩展及疗效随访研究

基本信息
资源简介
MGD009 在 B7-H3 表达肿瘤中的安全性研究
该数据集来自 clinicaltrials.gov,为一项关于 MGD009 在 B7-H3 表达肿瘤中的 Phase 1 开放标签、剂量递增、队列扩展及疗效随访研究。覆盖间皮瘤、膀胱癌、黑色素瘤、头颈部鳞状细胞癌、非小细胞肺癌、透明细胞肾细胞癌、卵巢癌、甲状腺癌等多种肿瘤类型。研究采用静脉给药、隔周一次、最长一年(14 个周期)的方案,剂量递增阶段旨在表征 MGD009 的安全性与耐受性,并确定最大耐受剂量或最大给药剂量。可用于肿瘤治疗安全性分析、剂量探索及疗效随访相关研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:间皮瘤、膀胱癌、黑色素瘤、头颈部鳞状细胞癌、非小细胞肺癌、透明细胞肾细胞癌、卵巢癌、甲状腺癌。本研究是一项 MGD009 的 Phase 1 开放标签、剂量递增、队列扩展和疗效随访研究,MGD009 通过静脉注射(IV)给药,采用隔周一次的时间表,最长持续一年(14 个周期)。剂量递增阶段旨在表征 MGD009 的安全性和耐受性,并确定最大耐受剂量或最大给药剂量(MTD/MAD)。该阶段将入组间皮瘤、膀胱癌、黑色素瘤、头颈部鳞状细胞癌(SCCHN)、非小细胞肺癌(NSCLC)、透明细胞肾细胞癌(ccRCC)、卵巢癌、甲状腺癌、三阴性乳腺癌(TNBC)、胰腺癌、结肠癌、软组织肉瘤或
【主题与分类】
主题标签:Mesothelioma、Bladder Cancer、Melanoma、Non Small Cell Lung Cancer、Clear Cell Renal Cell Carcinoma、Ovarian Cancer、Thyroid Cancer、Breast Cancer、Pancreatic Cancer、Prostate Cancer。本站分类:肿瘤/肺癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT02628535
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/NCT02628535
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:间皮瘤、膀胱癌、黑色素瘤、头颈部鳞状细胞癌、非小细胞肺癌、透明细胞肾细胞癌、卵巢癌、甲状腺癌。本研究是一项MGD009的1期开放标签、剂量递增、队列扩展及疗效随访研究,采用静脉注射(IV)给药,每两周一次,持续最长一年(14个周期)。剂量递增阶段旨在描述MGD009的安全性和耐受性特征,并确定最大耐受剂量或最大给药剂量(MTD/MAD)。该阶段将入组间皮瘤、膀胱癌、黑色素瘤、头颈部鳞状细胞癌(SCCHN)、非小细胞肺癌(NSCLC)、透明细胞肾细胞癌(ccRCC)、卵巢癌、甲状腺癌、三阴性乳腺癌(TNBC)、胰腺癌、结肠癌、软组织肉瘤或前列腺癌患者。
在队列扩展阶段,将入组6个队列,每队16名患者,以进一步评估MGD009在间皮瘤、膀胱癌、黑色素瘤、SCCHN、NSCLC或表达高水平B7-H3的其他特定肿瘤患者中,按MTD/MAD剂量给药的安全性和潜在疗效。队列扩展阶段的黑色素瘤患者需要进行治疗前和治疗中的活检。另外两个队列(每组最多15名患者)将评估使用预防性疗法以减轻毒性。生存随访阶段包括研究药物最后一次给药后的2年期间。所有肿瘤评估将同时采用实体瘤疗效评价标准(RECIST)和免疫相关反应标准(irRC)进行。
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。




