Nanrilkefusp Alfa 单药及联合 Pembrolizumab 治疗晚期/转移性实体瘤研究
覆盖瘤种包括甲状腺癌、肾细胞癌、非小细胞肺癌、小细胞肺癌、膀胱癌、黑色素瘤、Merkel 细胞癌、皮肤鳞状细胞癌等，并涉及微卫星高度不稳定实体瘤、三阴性乳腺癌、间皮瘤、胸腺癌、宫颈癌、胆道癌、肝细胞癌、卵巢癌、胃癌、头颈部鳞状细胞癌和肛管癌
基本信息
资源简介
Nanrilkefusp Alfa 单药及联合 Pembrolizumab 治疗晚期/转移性实体瘤研究
该数据集来自 clinicaltrials.gov，收录一项关于 Nanrilkefusp Alfa 单药及联合抗 PD-1 抗体 Pembrolizumab 治疗晚期/转移性实体瘤的临床研究。覆盖瘤种包括甲状腺癌、肾细胞癌、非小细胞肺癌、小细胞肺癌、膀胱癌、黑色素瘤、Merkel 细胞癌、皮肤鳞状细胞癌等，并涉及微卫星高度不稳定实体瘤、三阴性乳腺癌、间皮瘤、胸腺癌、宫颈癌、胆道癌、肝细胞癌、卵巢癌、胃癌、头颈部鳞状细胞癌和肛管癌。数据可用于评估该联合方案的安全性、耐受性及肿瘤治疗相关分析（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：条件：甲状腺癌、肾细胞癌、非小细胞肺癌、小细胞肺癌、膀胱癌、黑色素瘤、Merkel 细胞癌、皮肤鳞状细胞癌。本研究将评估 Nanrilkefusp Alfa 单药给药以及与抗 PD-1 抗体（Pembrolizumab）联合给药在选定复发/难治性晚期/转移性实体瘤患者中的安全性和耐受性（肾细胞癌、非小细胞肺癌、小细胞肺癌、膀胱癌、黑色素瘤、Merkel 细胞癌、皮肤鳞状细胞癌、微卫星高度不稳定实体瘤、三阴性乳腺癌、间皮瘤、甲状腺癌、胸腺癌、宫颈癌、胆道癌、肝细胞癌、卵巢癌、胃癌、头颈部鳞状细胞癌和肛管癌）。
【主题与分类】
主题标签：Thyroid Cancer、Renal Cell Carcinoma、Non Small Cell Lung Cancer、Small-cell Lung Cancer、Bladder Cancer、Melanoma、Merkel Cell Carcinoma、Skin Squamous Cell Carcinoma、Microsatellite Instability High、Triple Negative Breast Cancer。本站分类：肿瘤/肺癌。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT04234113
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/NCT04234113
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：甲状腺癌、肾细胞癌、非小细胞肺癌、小细胞肺癌、膀胱癌、黑色素瘤、默克尔细胞癌、皮肤鳞状细胞癌。本研究将评估nanrilkefusp alfa单药治疗以及与抗PD-1抗体（帕博利珠单抗）联合治疗在选定复发/难治性晚期/转移性实体瘤患者中的安全性和耐受性（肾细胞癌、非小细胞肺癌、小细胞肺癌、膀胱癌、黑色素瘤、默克尔细胞癌、皮肤鳞状细胞癌、微卫星高度不稳定实体瘤、三阴性乳腺癌、间皮瘤、甲状腺癌、胸腺癌、宫颈癌、胆道癌、肝细胞癌、卵巢癌、胃癌、头颈部鳞状细胞癌和肛门癌）。
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。
