SL-279252(PD1-Fc-OX40L)用于晚期实体瘤或淋巴瘤的研究
该数据集来自 clinicaltrials.gov,主题为 SL-279252(PD1-Fc-OX40L)在晚期实体瘤或淋巴瘤受试者中的研究,本站归类为肿瘤/肺癌

基本信息
资源简介
SL-279252(PD1-Fc-OX40L)用于晚期实体瘤或淋巴瘤的研究
该数据集来自 clinicaltrials.gov,主题为 SL-279252(PD1-Fc-OX40L)在晚期实体瘤或淋巴瘤受试者中的研究,本站归类为肿瘤/肺癌。源站描述显示,研究覆盖头颈部鳞状细胞癌、黑色素瘤、非小细胞肺癌、尿路上皮癌、胃腺癌、胃食管交界腺癌、肛门鳞状细胞癌和宫颈鳞状细胞癌等条件。这是一项 Phase 1 首次人体、开放标签、多中心、剂量递增和剂量扩展研究,用于评估 SL-279252 在晚期实体瘤或淋巴瘤受试者中的安全性、耐受性、PK、抗肿瘤活性和药效学效应,研究设计包括剂量递增和剂量扩展队列(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:头颈部鳞状细胞癌、黑色素瘤、非小细胞肺癌、尿路上皮癌、胃腺癌、胃食管交界腺癌、肛门鳞状细胞癌、宫颈鳞状细胞癌。这是一项 Phase 1 首次人体、开放标签、多中心、剂量递增和剂量扩展研究,旨在评估 SL-279252 在晚期实体瘤或淋巴瘤受试者中的安全性、耐受性、PK、抗肿瘤活性和药效学效应。研究设计包括剂量递增和剂量扩展队列。在研究的剂量递增阶段,受试者将按序进入连续剂量水平。在剂量递增期间,可能会探索 SL-279252 的两种可能给药方案。可能针对任一方案确定 MTD 或 MAD。基于剂量递增阶段积累的数据,inc
【主题与分类】
主题标签:Melanoma、Non Small Cell Lung Cancer、Urothelial Carcinoma、Gastric Adenocarcinoma、Gastroesophageal Junction Adenocarcinoma、Squamous Cell Carcinoma of the Anus、Squamous Cell Carcinoma of the Cervix、Squamous Cell Carcinoma of the Skin、Renal Cell Carcinoma、Hodgkin Lymphoma。本站分类:肿瘤/肺癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT03894618
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/NCT03894618
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、黑色素瘤、非小细胞肺癌、尿路上皮癌、胃腺癌、胃食管交界处腺癌、肛管鳞状细胞癌、宫颈鳞状细胞癌。这是一项1期首次人体、开放标签、多中心、剂量递增和剂量扩展研究,旨在评估SL-279252在晚期实体瘤或淋巴瘤受试者中的安全性、耐受性、药代动力学、抗肿瘤活性和药效学效应。研究设计包括剂量递增和剂量扩展队列。在研究的剂量递增阶段,受试者将按序进入递增剂量组。在剂量递增期间,可能会探索SL-279252的两种可能给药方案。可能确定任一方案的最大耐受剂量或最大给药剂量。基于剂量递增阶段积累的数据,包括安全性、药代动力学、药效学和抗肿瘤活性,可能开放最多两个剂量扩展队列。扩展阶段的主要目的是进一步明确SL-279252的安全性和耐受性。
扩展队列将采用选定的给药方案,评估SL-279252的一或两个剂量。在剂量递增和剂量扩展结束时,将审查安全性、药代动力学、抗肿瘤活性及药效学数据,以确定RP2D。
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。




