PF-07263689 在选定晚期实体瘤受试者中的研究
该数据集来自 clinicaltrials.gov，收录 PF-07263689 在选定晚期实体瘤受试者中的临床研究信息
基本信息
资源简介
PF-07263689 在选定晚期实体瘤受试者中的研究
该数据集来自 clinicaltrials.gov，收录 PF-07263689 在选定晚期实体瘤受试者中的临床研究信息。研究为首次人体、1 期、开放标签、多中心、多剂量、剂量递增与扩展试验，评估 PF-07263689 单药或与 sasanlimab 联合治疗的安全性、病毒载量动力学与脱落、药效学及抗肿瘤活性。覆盖肾细胞癌、黑色素瘤、非小细胞肺癌、肝细胞癌、膀胱癌、肉瘤、头颈癌、结直肠癌等瘤种，可用于肿瘤治疗相关安全性、药效学与抗肿瘤活性分析（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：条件：肾细胞癌、黑色素瘤、非小细胞肺癌、肝细胞癌、膀胱癌、肉瘤、头颈癌、结直肠癌。这是一项首次人体、1 期、开放标签、多中心、多剂量、剂量递增和扩展研究，旨在评估 PF-07263689 单药或与 sasanlimab（一种研究性抗程序性细胞死亡蛋白 1 [PD-1] 抗体）联合治疗在已用尽所有可用标准治疗方案的选定局部晚期或转移性实体瘤患者中的安全性、病毒载量动力学和脱落、药效学以及抗肿瘤活性。该研究包括 2 个部分：第 1 部分为 PF-07263689 单药（第 1A 部分）以及与 sasanlimab 联合（第 1B 部分）的剂量递增，随后第 2 部分为联合治疗的剂量扩展。
【主题与分类】
主题标签：Renal Cell Cancer、Melanoma、Non-Small-Cell Lung Cancer、Hepatocellular Cancer、Bladder Cancer、Sarcoma、Head and Neck Cancer、Colorectal Cancer、Ovarian Cancer、Squamous Cell Carcinoma。本站分类：肿瘤/肺癌。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT05061537
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/NCT05061537
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：肾细胞癌、黑色素瘤、非小细胞肺癌、肝细胞癌、膀胱癌、肉瘤、头颈癌、结直肠癌。这是一项首次人体、1期、开放标签、多中心、多剂量、剂量递增和扩展研究，旨在评估PF-07263689单药或与sasanlimab（一种研究性抗程序性细胞死亡蛋白1[PD-1]抗体）联合用药在已耗尽所有可用标准治疗方案的选定局部晚期或转移性实体瘤患者中的安全性、病毒载量动力学和脱落、药效学以及抗肿瘤活性。该研究包括2个部分：第1部分为PF-07263689单药治疗（第1A部分）和与sasanlimab联合治疗（第1B部分）的剂量递增，随后是第2部分联合治疗的剂量扩展。
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。
