THE-0504 在实体瘤患者中的研究
研究主要目标是确定 THE-0504 的 Recommended Phase 2 dose 与 Maximum Tolerated Dose，并评估静脉给药递增剂量的安全性和耐受性，同时提供首次人体安全性、耐受性、抗肿瘤活性、药代动力学、药效动力学和免
基本信息
资源简介
THE-0504 在实体瘤患者中的研究
该数据集来自 clinicaltrials.gov，聚焦 THE-0504 在实体瘤患者中的 Phase 1 研究，覆盖 Small Cell Lung Cancer (SCLC)、Colorectal Carcinoma (CRC)、Gastric Cancer (GC)、Triple-Negative Breast Cancer 与 Pancreas Adenocarcinoma。研究主要目标是确定 THE-0504 的 Recommended Phase 2 dose 与 Maximum Tolerated Dose，并评估静脉给药递增剂量的安全性和耐受性，同时提供首次人体安全性、耐受性、抗肿瘤活性、药代动力学、药效动力学和免。
【数据内容】
源站描述（机器翻译，仅供参考）：适应症：Small Cell Lung Cancer (SCLC)、Colorectal Carcinoma (CRC)、Gastric Cancer (GC)、Triple-Negative Breast Cancer、Pancreas Adenocarcinoma。该 Phase 1 研究的主要目的是确定 THE-0504 的 Recommended Phase 2 dose 和 Maximum Tolerated Dose，并评估静脉给予递增剂量 THE-0504 对不同类型实体瘤患者的安全性和耐受性。该研究还将提供关于 THE-0504 安全性、耐受性、抗肿瘤活性、药代动力学、药效动力学和免疫原性的首次人体数据。对于首次人体研究，将实施基于经典 3+3 设计并遵循 modified Fibonacci 序列进行剂量递增的模型。THE-0504 将在 21 天周期的第 1 天和第 8 天静脉给药。在首例患者首次治疗后的 21 天结束时，治疗
【主题与分类】
主题标签：Small Cell Lung Cancer (SCLC)、Colorectal Carcinoma (CRC)、Gastric Cancer (GC)、Triple -Negative Breast Cancer、Pancreas Adenocarcinoma。本站分类：肿瘤/肺癌。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT07646106
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/NCT07646106
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：小细胞肺癌（SCLC）、结直肠癌（CRC）、胃癌（GC）、三阴性乳腺癌、胰腺腺癌。该1期研究的主要目的是确定THE-0504的推荐2期剂量和最大耐受剂量，并评估对不同类型的实体瘤患者静脉注射递增剂量THE-0504的安全性和耐受性。该研究还将提供关于THE-0504在人体中的安全性、耐受性、抗肿瘤活性、药代动力学、药效学和免疫原性的首批数据。对于首次人体研究，将采用基于经典3+3设计的模型，并遵循改良斐波那契数列进行剂量递增。THE-0504将在21天周期的第1天和第8天静脉注射。在首例患者首次治疗后的第21天结束时，将开始第一队列第二例患者的治疗（根据特定队列的剂量递增计划）。将允许患者内剂量递增，以尽量减少剂量不足的可能性。
1期研究的结果将推动THE-0504在2期和3期研究中的未来临床开发。
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。
