IMT-009 单克隆抗体治疗晚期实体瘤或淋巴瘤研究
该数据集来自 clinicaltrials.gov，收录一项关于 IMT-009 单克隆抗体治疗晚期实体瘤或淋巴瘤的临床研究
基本信息
资源简介
IMT-009 单克隆抗体治疗晚期实体瘤或淋巴瘤研究
该数据集来自 clinicaltrials.gov，收录一项关于 IMT-009 单克隆抗体治疗晚期实体瘤或淋巴瘤的临床研究。覆盖非小细胞肺癌、头颈部鳞状细胞癌、三阴性乳腺癌、皮肤鳞状细胞癌、激素受体阳性乳腺癌、小肠癌、食管癌和结直肠癌等癌种。IMT-009 是一种 Fc 衰减型单克隆抗体，可高亲和力、高选择性地结合 CD161，阻断其与配体 CLEC2D 的相互作用，临床前数据提示该阻断可增强抗肿瘤活性。研究为 1/2a 期开放标签剂量递增试验，1 期单药给药，2 期可能联合其他抗肿瘤药物。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）：条件：非小细胞肺癌、头颈部鳞状细胞癌、三阴性乳腺癌、皮肤鳞状细胞癌、激素受体阳性乳腺癌、小肠癌、食管癌、结直肠癌。IMT-009 是一种 Fc 衰减型单克隆抗体，以高亲和力和高选择性结合 CD161，该受体广泛表达于 NK 细胞和一部分记忆 T 细胞，阻断该受体与其同源配体 CLEC2D 之间的相互作用，CLEC2D 表达于癌细胞和免疫细胞表面。临床前数据证实，使用 IMT-009 阻断 CD161 可增强抗肿瘤活性。这是一项 1/2a 期、开放标签剂量递增研究，研究 IMT-009 这一靶向 CD161 的全人源单克隆抗体，在 1 期作为单药给药，在 2 期可能与其他抗肿瘤药物联合给药。
【主题与分类】
主题标签：Non Small Cell Lung Cancer、Head and Neck Squamous Cell Carcinoma、Triple Negative Breast Cancer、Cutaneous Squamous Cell Carcinoma、Small Bowel Cancer、Esophageal Cancer、Colorectal Cancer、Diffuse Large B Cell Lymphoma、Hodgkin Lymphoma、Burkitt Lymphoma。本站分类：肿瘤/肺癌。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT05565417
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/NCT05565417
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、三阴性乳腺癌、皮肤鳞状细胞癌、激素受体阳性乳腺癌、小肠癌、食管癌、结直肠癌。IMT-009是一种Fc减毒单克隆抗体，以高亲和力和选择性结合CD161，CD161是一种广泛表达于NK细胞和一部分记忆T细胞上的受体，阻断该受体与其同源配体CLEC2D之间的相互作用，CLEC2D表达于癌细胞和免疫细胞表面。临床前数据证实，IMT-009阻断CD161可增强抗肿瘤活性。这是一项IMT-009的1/2a期、开放标签、剂量递增研究，IMT-009是一种靶向CD161的全人源单克隆抗体，在1期作为单药给药，在2期可能与其他抗肿瘤药物联合给药。
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。
