GV20-0251 治疗实体瘤恶性肿瘤的研究
该数据集来自 clinicaltrials.gov，收录一项关于 GV20-0251 治疗实体瘤恶性肿瘤的临床研究。覆盖实体瘤、成人难治性癌症、子宫内膜癌、头颈部鳞癌、pMMR/MSS 结直肠腺癌、非小细胞肺癌、黑色素瘤及肝细胞癌等适应症
基本信息
资源简介
GV20-0251 治疗实体瘤恶性肿瘤的研究
该数据集来自 clinicaltrials.gov，收录一项关于 GV20-0251 治疗实体瘤恶性肿瘤的临床研究。覆盖实体瘤、成人难治性癌症、子宫内膜癌、头颈部鳞癌、pMMR/MSS 结直肠腺癌、非小细胞肺癌、黑色素瘤及肝细胞癌等适应症。研究为 1/2A 期、非随机、开放标签、多中心设计，分 A、B 两部分：A 部分采用 3+3 剂量递增评估安全性与耐受性并确定 MTD 或初步 RP2D；B 部分采用 Simon 两阶段设计，在多个扩展队列中进一步评估抗肿瘤活性、安全性、耐受性、药代动力学与药效学。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）：适应症：实体瘤癌症、成人难治性癌症、子宫内膜癌（EC）、头颈部鳞状细胞癌、结肠或直肠 pMMR/MSS 腺癌、非小细胞肺癌、黑色素瘤、HCC - 肝细胞癌。这是一项 1/2A 期非随机、开放标签、多中心研究，将分 2 部分（A 和 B）进行。A 部分是安全性导入部分。将采用 3+3 剂量递增方案评估 GV20-0251 的安全性和耐受性，并确定最大耐受剂量（MTD）或初步推荐的 2 期剂量（RP2D）。在 B 部分，将采用 Simon 两阶段设计，在涉及合格受试者的多个扩展队列中，进一步表征 GV20-0251 在初步 RP2D 下的抗肿瘤活性、安全性、耐受性、药代动力学和药效学。
【主题与分类】
主题标签：Solid Tumor Cancer、Adult Refractory Cancer、Endometrial Carcinoma (EC)、Squamous Head and Neck Carcinoma、Non-Small Cell Lung Cancer、Melanoma、HCC - Hepatocellular Carcinoma、Small Cell Lung Cancer。本站分类：肿瘤/肺癌。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT07070518
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/NCT07070518
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：实体瘤癌症、成人难治性癌症、子宫内膜癌（EC）、头颈部鳞状细胞癌、pMMR/MSS结肠或直肠腺癌、非小细胞肺癌、黑色素瘤、HCC-肝细胞癌。这是一项1/2A期非随机、开放标签、多中心研究，分两部分（A和B）进行。A部分为安全性导入期。将采用3+3剂量递增方案评估GV20-0251的安全性和耐受性，并确定最大耐受剂量（MTD）或初步推荐的2期剂量（RP2D）。在B部分中，将采用Simon两阶段设计，在涉及合格受试者的多个扩展队列中，进一步表征GV20-0251在初步RP2D下的抗肿瘤活性、安全性、耐受性、药代动力学和药效学。
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。
