Narlumosbart联合立体定向体部放疗提升晚期非小细胞肺癌骨转移一线化疗联合免疫治疗疗效与安全性的研究
该数据集来自clinicaltrials.gov,属于肿瘤/肺癌领域,聚焦驱动基因阴性晚期非小细胞肺癌(NSCLC)伴骨转移患者

基本信息
资源简介
Narlumosbart联合立体定向体部放疗提升晚期非小细胞肺癌骨转移一线化疗联合免疫治疗疗效与安全性的研究
该数据集来自clinicaltrials.gov,属于肿瘤/肺癌领域,聚焦驱动基因阴性晚期非小细胞肺癌(NSCLC)伴骨转移患者。研究探讨靶向RANKL的单克隆抗体narlumosbart联合立体定向体部放疗(SBRT),能否改善一线化疗联合免疫治疗的疗效。源站描述指出,骨转移患者因免疫抑制微环境导致免疫治疗疗效较差,而RANKL抑制剂与SBRT均有助于改善肿瘤免疫微环境,二者联合可能产生协同作用。该数据可用于分析联合治疗方案的疗效与安全性,支持肺癌骨转移免疫治疗相关预测研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:NSCLC、立体定向体部放疗(SBRT)、免疫治疗。简介:免疫治疗联合化疗已被推荐为驱动基因阴性晚期非小细胞肺癌(NSCLC)的一线治疗,但由于免疫抑制微环境,伴有骨转移的NSCLC患者疗效较差。研究表明,不仅核因子κB配体(RANKL)抑制剂,立体定向体部放疗(SBRT)在改善肿瘤免疫微环境方面也发挥重要作用。因此,靶向RANKL的单克隆抗体(mAb)narlumosbart联合SBRT可能具有协同效应,并提高驱动基因阴性晚期NSCLC伴骨转移患者免疫治疗和化疗的疗效。方法:这项单臂、单中心II期临床试验将入组NSCLC患
【主题与分类】
主题标签:NSCLC、Immunotherapy。本站分类:肿瘤/肺癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT06738160
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/NCT06738160
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
疾病条件:非小细胞肺癌(NSCLC)、立体定向体部放疗(SBRT)、免疫治疗。引言:免疫治疗联合化疗已被推荐为驱动基因阴性晚期非小细胞肺癌(NSCLC)的一线治疗方案,但由于骨转移NSCLC患者的免疫抑制微环境,其疗效较差。研究表明,不仅核因子κB配体(RANKL)抑制剂,立体定向体部放疗(SBRT)在改善肿瘤免疫微环境方面也发挥重要作用。因此,靶向RANKL的单克隆抗体(mAb)narlumosbart联合SBRT可能具有协同效应,并提高驱动基因阴性晚期NSCLC伴骨转移患者免疫治疗和化疗的疗效。方法:这项单臂、单中心II期临床试验将入组未接受过任何系统性治疗的NSCLC骨转移患者。在筛选合格受试者后,患者将接受narlumosbart和骨靶病灶SBRT联合一线免疫治疗和化疗。
Narlumosbart,120mg/次,皮下注射,每4周给药一次。用于骨转移的SBRT治疗,脊柱转移采用24Gy/3F的剂量,非脊柱病灶采用30Gy/5F或35Gy/5F。化疗联合免疫检查点抑制剂治疗将按照指南进行。主要终点是评估Narlumosbart联合SBRT及一线化疗和免疫治疗对伴有骨转移的NSCLC患者的客观缓解率。次要终点包括安全性和耐受性、无进展生存期、总生存期、骨相关事件、疼痛评分和生活质量。样本量采用Simon两阶段法计算。第一阶段将入组9例患者。若≥2例患者达到CR/PR,则进行第二阶段入组。若少于2例患者达到CR/PR,则试验将
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。




