VMD-928 单药及联合 Pembrolizumab 治疗 TrkA 过表达驱动的实体瘤或淋巴瘤
该数据集来自 clinicaltrials.gov，主题为 VMD-928 单药及联合 PD-1 抑制剂 pembrolizumab 治疗 TrkA 过表达驱动的实体瘤或淋巴瘤
基本信息
资源简介
VMD-928 单药及联合 Pembrolizumab 治疗 TrkA 过表达驱动的实体瘤或淋巴瘤
该数据集来自 clinicaltrials.gov，主题为 VMD-928 单药及联合 PD-1 抑制剂 pembrolizumab 治疗 TrkA 过表达驱动的实体瘤或淋巴瘤。研究为开放标签、剂量递增（1 期）与扩展（2 期）的多中心试验，分五部分进行，旨在确定口服 VMD-928 单药及联合 pembrolizumab 的安全且具药理活性的剂量（MTD 和/或 RP2D）与方案。覆盖头颈癌、腺样囊性癌、肺癌、非小细胞肺癌、胰腺癌、间皮瘤、食管癌及既往免疫治疗后进展的实体瘤。数据可用于肿瘤治疗反应、剂量探索及 TrkA 表达相关分析（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：条件：头颈癌、腺样囊性癌、肺癌、非小细胞肺癌、胰腺癌、间皮瘤、食管癌、既往免疫治疗后进展的任何实体瘤。这是一项开放标签、剂量递增（1 期）和扩展（2 期）的多中心研究，分五部分进行，旨在确定口服 VMD-928 单药及联合 PD-1 抑制剂 pembrolizumab 在癌症患者中的安全且具药理活性的剂量（MTD 和/或 RP2D）和方案。一种特异性检测肿瘤组织样本中 TrkA 蛋白的免疫组织化学（IHC）测定法已经过验证，并正用于在预筛选时检测患者肿瘤组织样本中的 TrkA 蛋白表达。该研究目前聚焦于 TrkA 蛋白过表达最高的前 5 种实体瘤：头颈癌（HNC）、食管癌、肺癌
【主题与分类】
主题标签：Head and Neck Carcinoma、Adenoid Cystic Carcinoma、Lung Cancer、Non-Small Cell Lung Cancer、Pancreatic Cancer、Mesothelioma、Esophageal Cancer、Head and Neck Squamous Cell Carcinoma、Salivary Gland Carcinomas、Head and Neck Cancers - Salivary Gland。本站分类：肿瘤/肺癌。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT03556228
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/NCT03556228
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：头颈癌、腺样囊性癌、肺癌、非小细胞肺癌、胰腺癌、间皮瘤、食管癌、既往免疫治疗后进展的任何实体瘤。这是一项开放标签、剂量递增（1期）和扩展（2期）的多中心研究，分为五个部分进行，旨在确定口服VMD-928单药治疗以及与PD-1抑制剂帕博利珠单抗联合用于癌症患者的安全且具有药理活性的剂量（MTD和/或RP2D）及方案。一种特异性检测肿瘤组织样本中TrkA蛋白的免疫组织化学（IHC）检测方法已经过验证，目前正用于在预筛选阶段检测患者肿瘤组织样本中的TrkA蛋白表达。该研究目前聚焦于TrkA蛋白过表达最高的前5种实体瘤：头颈癌（HNC）、食管癌、肺癌、间皮瘤和胰腺癌。
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。
