CRX100 单药及联合 Pembrolizumab 治疗晚期实体恶性肿瘤研究
该数据集来自 clinicaltrials.gov，为一项开放标签、1 期剂量递增临床研究，评估 CRX100 单药及联合 Pembrolizumab 在晚期实体恶性肿瘤中的安全性、耐受性和疗效
基本信息
资源简介
CRX100 单药及联合 Pembrolizumab 治疗晚期实体恶性肿瘤研究
该数据集来自 clinicaltrials.gov，为一项开放标签、1 期剂量递增临床研究，评估 CRX100 单药及联合 Pembrolizumab 在晚期实体恶性肿瘤中的安全性、耐受性和疗效。覆盖成人实体瘤，包括非小细胞肺癌、卵巢癌、结直肠癌、肝细胞癌、恶性黑色素瘤（除外葡萄膜黑色素瘤）、胃癌、三阴性乳腺癌和骨肉瘤。受试者需经筛选符合入组标准，并接受白细胞分离术以体外制备 CRX100。数据可用于肿瘤免疫治疗相关研究（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：条件：实体瘤、成人、三阴性乳腺癌、结直肠癌、肝细胞癌、骨肉瘤、上皮性卵巢癌、胃癌、非小细胞肺癌。本临床研究是一项开放标签、1 期剂量递增研究，旨在确定通过单独给予 CRX100 以及与 Pembrolizumab 联合给药在晚期实体恶性肿瘤中产生的药品的安全性、耐受性和疗效。患者将接受筛选和评估，以确定其是否符合规定的入组标准。入组受试者将接受白细胞分离术，以实现 CRX100 的体外生成。患有非小细胞肺癌（NSCLC）、卵巢癌、结直肠癌、肝细胞癌（HCC）、恶性黑色素瘤（除外葡萄膜黑色素瘤）、胃癌、三阴性乳腺癌和骨肉瘤的患者。该研究将从单药治疗开始
【主题与分类】
主题标签：Solid Tumor, Adult、Triple Negative Breast Cancer、Colorectal Cancer、Hepatocellular Carcinoma、Osteosarcoma、Epithelial Ovarian Cancer、Gastric Cancer、Non-small Cell Lung Cancer、Malignant Melanoma。本站分类：肿瘤/肺癌。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT04282044
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/NCT04282044
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：实体瘤、成人、三阴性乳腺癌、结直肠癌、肝细胞癌、骨肉瘤、上皮性卵巢癌、胃癌、非小细胞肺癌。本临床研究是一项开放标签、1期、剂量递增研究，旨在确定单独给予CRX100以及与Pembrolizumab联合给药在晚期实体恶性肿瘤中产生的药品的安全性、耐受性和疗效。将对患者进行筛选和评估，以确定其是否符合规定的入选标准。入组受试者将接受白细胞分离术，以实现CRX100的体外生成。患有非小细胞肺癌（NSCLC）、卵巢癌、结直肠癌、肝细胞癌（HCC）、恶性黑色素瘤（不包括葡萄膜黑色素瘤）、胃癌、三阴性乳腺癌和骨肉瘤的患者。该研究将从单药剂量递增开始，随后进行联合队列。
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。
