ASN003 治疗晚期实体瘤研究
该数据集来自 clinicaltrials.gov,为 ASN003 在晚期实体瘤受试者中的临床研究。研究分两部分:Part A 为剂量递增,确定安全可耐受剂量并表征药代动力学与药效学;Part B 仅纳入三组受试者,分别针对 BRAFv600 突变黑色素瘤、BRAFv600 突变非小细胞肺癌或结直

基本信息
资源简介
ASN003 治疗晚期实体瘤研究
该数据集来自 clinicaltrials.gov,为 ASN003 在晚期实体瘤受试者中的临床研究。研究分两部分:Part A 为剂量递增,确定安全可耐受剂量并表征药代动力学与药效学;Part B 仅纳入三组受试者,分别针对 BRAFv600 突变黑色素瘤、BRAFv600 突变非小细胞肺癌或结直肠癌、以及 PI3K 突变或 PTEN 缺失的晚期或转移性癌症。数据覆盖肿瘤、肺癌、黑色素瘤与结直肠肿瘤等主题,可用于研究药物剂量、安全性及突变相关疗效预测(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:肿瘤、黑色素瘤、结直肠肿瘤、癌、非小细胞肺癌。该研究将分两部分进行。Part A 是一项剂量递增研究,旨在确定 ASN003 对晚期实体瘤受试者的安全且可耐受剂量。Part A 还将通过血液采样和可选活检来表征 ASN003 的药代动力学和药效学。Part B 将仅招募三组受试者:第1组:具有 BRAFv600 突变的转移性或复发性黑色素瘤受试者。第2组:具有 BRAFv600 突变的晚期或转移性非小细胞肺癌或结直肠癌受试者。第3组:具有磷脂酰肌醇3-激酶(PI3K)突变或磷酸酶及张力蛋白同源物(PTEN)缺失突变的晚期或转移性癌症受试者。受试者将接受在 Part 中确定的最高安全且可耐受剂量治疗
【主题与分类】
主题标签:Neoplasms、Melanoma、Colorectal Neoplasm、Carcinoma, Non-small Cell Lung。本站分类:肿瘤/肺癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT02961283
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/NCT02961283
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:肿瘤、黑色素瘤、结直肠肿瘤、癌、非小细胞肺癌。研究将分为两部分进行。A部分是一项剂量递增研究,旨在确定ASN003对晚期实体瘤受试者的安全且可耐受剂量。A部分还将通过血液采样和可选活检来表征ASN003的药代动力学和药效学。B部分仅招募三组受试者:第1组:具有BRAFv600突变的转移性或复发性黑色素瘤受试者。第2组:具有BRAFv600突变的晚期或转移性非小细胞肺癌或结直肠癌受试者。第3组:具有磷脂酰肌醇3-激酶(PI3K)突变或磷酸酶及张力蛋白同源物(PTEN)缺失突变的晚期或转移性癌症受试者。受试者将接受研究中A部分确定的最高安全且可耐受剂量治疗,以确定初步疗效。在没有严重副作用或疾病进展的情况下,受试者可持续接受ASN003治疗长达1年。
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。




