XL281 在成人实体瘤中的研究

该数据集来自 clinicaltrials.gov,记录了一项关于多靶点 Raf 激酶抑制剂 XL281 在成人实体瘤患者中的临床研究,覆盖癌症、非小细胞肺癌、结直肠癌、甲状腺乳头状癌和黑色素瘤等病种

ExelixisExelixis
clinicaltrials
浏览 3
其他回归CancerNon-small-cell Lung CancerColorectal CancerPapillary Thyroid CancerMelanoma
Study of XL281 in Adults With Solid Tumors

基本信息

模态
其他
任务类型
回归
创建/更新时间
2026-10-11

资源简介

XL281 在成人实体瘤中的研究

该数据集来自 clinicaltrials.gov,记录了一项关于多靶点 Raf 激酶抑制剂 XL281 在成人实体瘤患者中的临床研究,覆盖癌症、非小细胞肺癌、结直肠癌、甲状腺乳头状癌和黑色素瘤等病种。研究目的在于确定 XL281 最安全的剂量、服用频率以及癌症受试者对 XL281 的耐受程度,同时考察在进食与不进食、合用与不合用 Pepcid(famotidine)时人体对 XL281 的反应。数据可用于肿瘤治疗领域的剂量探索、安全性评估和药代动力学相关分析(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):条件:癌症、非小细胞肺癌、结直肠癌、甲状腺乳头状癌、黑色素瘤。本研究的目的是确定多靶点 Raf 激酶抑制剂(包括 c-Raf、B-Raf 和激活突变型 B-RafV600E)XL281 的最安全剂量、应多久服用一次,以及癌症受试者对 XL281 的耐受程度。本研究还将确定在进食与不进食、以及合用与不合用 Pepcid(famotidine,一种抑制胃酸生成的药物)时,人体对 XL281 的反应。

【主题与分类】

主题标签:Cancer、Non-small-cell Lung Cancer、Colorectal Cancer、Papillary Thyroid Cancer、Melanoma。本站分类:肿瘤/肺癌。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT00451880

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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/NCT00451880

标准获取流程:

  1. 访问源站链接,注册/登录账号;
  2. 进入数据集详情页,按页面指引申请权限或直接下载;
  3. 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。

数据说明

疾病:癌症、非小细胞肺癌、结直肠癌、甲状腺乳头状癌、黑色素瘤。本研究旨在确定多靶点Raf激酶抑制剂(包括c-Raf、B-Raf及激活突变型B-RafV600E)XL281的最安全剂量、给药频率,以及癌症受试者对XL281的耐受程度。本研究还将确定在空腹与进食状态下,以及在与抑制胃酸分泌的药物Pepcid(法莫替丁)合用与不合用时,机体对XL281的反应。

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。

获取专属数据定制方案