JYP0015 治疗携带 RAS 特定突变晚期实体瘤患者的研究
该数据集来自 clinicaltrials.gov，收录一项关于 JYP0015 的 1/2 期、多中心、开放标签研究，受试者为携带特定 RAS 突变的晚期实体瘤成人患者
基本信息
资源简介
JYP0015 治疗携带 RAS 特定突变晚期实体瘤患者的研究
该数据集来自 clinicaltrials.gov，收录一项关于 JYP0015 的 1/2 期、多中心、开放标签研究，受试者为携带特定 RAS 突变的晚期实体瘤成人患者。研究覆盖胰腺导管腺癌、非小细胞肺癌、结直肠癌及其他晚期实体瘤。研究分为两部分：1 期剂量递增评估 JYP0015 单药的安全性、耐受性、药代动力学特征，初步评估疗效并确定推荐剂量；2 期在推荐剂量下针对四个预设队列探索治疗潜力。可用于了解该药物在相关瘤种中的临床研究设计与评估方向（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、胰腺导管腺癌（PDAC）、非小细胞肺癌（NSCLC）、结直肠癌（CRC）。这是一项 1/2 期、多中心、开放标签研究，旨在评估 JYP0015 在携带特定 RAS 突变的晚期实体瘤成人患者中的安全性、耐受性、药代动力学（PK）和临床活性。该研究包括两部分： 1 期（剂量递增）——评估 JYP0015 单药治疗的安全性、耐受性和药代动力学特征，初步评估疗效，并确定用于进一步评估的推荐剂量（RD）。 2 期（适应症扩展）——在 RD 下探索 JYP0015 单药治疗在四个预设队列中的治疗潜力：1. 胰腺导管腺癌（PDAC）2. 非小细胞肺癌（NSCLC）3. 结直肠癌（CRC）4. 其他晚期实体瘤。2 期将评估
【主题与分类】
主题标签：Solid Tumor、Pancreatic Ductal Adenocarcinoma (PDAC)、Non-small Cell Lung Cancer (NSCLC)、Colorectal Cancer (CRC)。本站分类：肿瘤/肺癌。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT06895031
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/NCT06895031
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
疾病类型：实体瘤、胰腺导管腺癌（PDAC）、非小细胞肺癌（NSCLC）、结直肠癌（CRC）。这是一项1/2期、多中心、开放标签研究，旨在评估JYP0015在携带特定RAS突变的晚期实体瘤成人患者中的安全性、耐受性、药代动力学（PK）及临床活性。该研究包括两个部分：* 1期（剂量递增）——评估JYP0015单药治疗的安全性、耐受性和药代动力学特征，初步评估疗效，并确定推荐剂量（RD）以供进一步评估。* 2期（适应症扩展）——探索JYP0015单药治疗在RD下于四个预设队列中的治疗潜力：1. 胰腺导管腺癌（PDAC）2. 非小细胞肺癌（NSCLC）3. 结直肠癌（CRC）4. 其他晚期实体瘤。2期将评估这些队列中的疗效和安全性。JYP0015是一种强效、口服生物可利用的pan-RAS抑制剂，选择性靶向所有三种亚型——HRAS、NRAS和KRAS——中野生型和突变型RAS的活性（ON）形式。
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。
