BDC-3042 单药及联合 Cemiplimab 治疗晚期恶性肿瘤研究
该数据集来自 clinicaltrials.gov，收录一项关于 BDC-3042 单药及联合 cemiplimab 治疗晚期恶性肿瘤的 4 部分剂量递增与剂量扩展研究
基本信息
资源简介
BDC-3042 单药及联合 Cemiplimab 治疗晚期恶性肿瘤研究
该数据集来自 clinicaltrials.gov，收录一项关于 BDC-3042 单药及联合 cemiplimab 治疗晚期恶性肿瘤的 4 部分剂量递增与剂量扩展研究。覆盖三阴性乳腺癌、透明细胞肾细胞癌、卵巢癌、头颈癌、结直肠癌、非小细胞肺癌和黑色素瘤等瘤种。Phase 1 包括单药剂量递增（Part 1）和联合 cemiplimab 剂量递增（Part 2），用于确定 MTD、RP2D 或 MPD；Phase 2 为单药（Part 3）和联合 cemiplimab（Part 4）的剂量扩展研究。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）：条件：三阴性乳腺癌、透明细胞肾细胞癌、卵巢癌、头颈癌、结直肠癌、非小细胞肺癌、黑色素瘤。这是一项 BDC-3042 单药及联合 cemiplimab 治疗晚期恶性肿瘤患者的 4 部分剂量递增和剂量扩展研究。Phase 1 包括两个独立部分：评估 BDC-3042 单药的剂量递增研究（Part 1）和联合 cemiplimab 的剂量递增研究（Part 2），以确定最大耐受剂量（MTD）、推荐 Phase 2 剂量（RP2D）或最大方案剂量（MPD）。根据 Phase 1 的结果，研究可能进入 Phase 2。Phase 2 是 BDC-3042 单药（Part 3）及联合 cemiplimab（Part 4）在 MTD、RP2D 或 MPD 下的剂量扩展研究。
【主题与分类】
主题标签：Triple Negative Breast Cancer、Clear Cell Renal Cell Carcinoma、Ovarian Cancer、Head and Neck Cancer、Colorectal Cancer、Non-small Cell Lung Cancer、Melanoma。本站分类：肿瘤/肺癌。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT06052852
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/NCT06052852
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：三阴性乳腺癌、透明细胞肾细胞癌、卵巢癌、头颈癌、结直肠癌、非小细胞肺癌、黑色素瘤。这是一项分为4个部分的剂量递增和剂量扩展研究，旨在评估BDC-3042作为单药以及与cemiplimab联合用药在晚期恶性肿瘤患者中的疗效。1期研究包括两个独立部分：评估BDC-3042作为单药治疗的剂量递增研究（第1部分）和与cemiplimab联合用药的剂量递增研究（第2部分），以确定最大耐受剂量（MTD）、推荐的2期剂量（RP2D）或最大方案剂量（MPD）。根据1期研究的结果，研究可能进入2期。2期研究是BDC-3042作为单药（第3部分）和与cemiplimab联合用药（第4部分）在MTD、RP2D或MPD下的剂量扩展研究。
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。
