NEO-201在实体瘤扩展队列中的研究
该数据集来自clinicaltrials.gov,为一项关于实验性药物NEO-201在实体瘤扩展队列中的临床研究。NEO-201是一种未获FDA批准的单克隆抗体,RP2D为1.5 mg/kg,扩展阶段与pembrolizumab联合给药,并在前3至6名受试者中进行为期42天的安全性导入以评估毒性

基本信息
资源简介
NEO-201在实体瘤扩展队列中的研究
该数据集来自clinicaltrials.gov,为一项关于实验性药物NEO-201在实体瘤扩展队列中的临床研究。覆盖Non Small Cell Lung Cancer、Head and Neck Squamous Cell Carcinoma、Cervical Cancer和Uterine Cancer等适应症。NEO-201是一种未获FDA批准的单克隆抗体,RP2D为1.5 mg/kg,扩展阶段与pembrolizumab联合给药,并在前3至6名受试者中进行为期42天的安全性导入以评估毒性。数据可用于了解该联合方案在相关实体瘤中的安全性评估设计(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):适应症:Non Small Cell Lung Cancer、Head and Neck Squamous Cell Carcinoma、Cervical Cancer、Uterine Cancer。名为NEO-201的实验性药物(“研究药物”)是一种单克隆抗体,正在接受测试,且未获美国FDA批准使用。如上所述,RP2D确定为1.5 mg/kg,在当前扩展阶段将与pembrolizumab联合给药。将在前3至6名受试者中进行安全性导入,以在扩大入组前评估毒性。安全性导入为期42天,包括1剂pembrolizumab和3剂NEO-201,随后进行为期2周的安全性评估,受试者患有任何扩展队列的目标疾病类型。安全性导入中的第三名患者必须完成30天评估(1剂pembrolizumab和3剂NEO-201,随后进行2周
【主题与分类】
主题标签:Non Small Cell Lung Cancer、Head and Neck Squamous Cell Carcinoma、Cervical Cancer、Uterine Cancer。本站分类:肿瘤/肺癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT03476681
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/NCT03476681
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:非小细胞肺癌、头颈部鳞状细胞癌、宫颈癌、子宫癌。试验药物NEO-201(“研究药物”)是一种单克隆抗体,目前正在测试中,尚未获得美国FDA批准使用。如上所述,RP2D已确定为1.5 mg/kg,在当前扩展阶段,它将与帕博利珠单抗联合给药。将在前3至6名受试者中进行安全性导入期,以在扩大入组前评估毒性。安全性导入期将持续42天,包括1剂帕博利珠单抗和3剂NEO-201,随后进行为期2周的安全性评估,受试者为任何扩展队列目标疾病类型的患者。安全性导入期的第三名患者必须完成30天评估(1剂帕博利珠单抗和3剂NEO-201,随后进行为期2周的安全性评价),并在治疗更多患者之前接受毒性评估。导入期完成后,扩展队列将入组一线治疗后进展的NSCLC、HNSCC、宫颈癌和子宫癌受试者。
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。




