TKM-080301 输注治疗神经内分泌肿瘤与肾上腺皮质癌的剂量探索研究

该数据集来自 clinicaltrials.gov,收录一项关于 TKM-080301 输注治疗神经内分泌肿瘤(NET)与肾上腺皮质癌(ACC)的 I/II 期、开放标签、非随机、剂量探索试验

Arbutus Biopharma CorporationArbutus Biopharma Corporation
clinicaltrials
浏览 17
其他分类CancerNeuroendocrine TumorsNETAdrenocortical CarcinomaACC
A Dose Finding Study of TKM-080301 Infusion in Neuroendocrine Tumors (NET) and Adrenocortical Carcinoma (ACC) Patients

基本信息

模态
其他
任务类型
分类
创建/更新时间
2026-10-08

资源简介

TKM-080301 输注治疗神经内分泌肿瘤与肾上腺皮质癌的剂量探索研究

该数据集来自 clinicaltrials.gov,收录一项关于 TKM-080301 输注治疗神经内分泌肿瘤(NET)与肾上腺皮质癌(ACC)的 I/II 期、开放标签、非随机、剂量探索试验。研究在多个临床中心开展,面向对标准治疗难治或无标准治疗的成人实体瘤或淋巴瘤患者,旨在确定 TKM-080301 的安全性、耐受性和药代动力学,并在确定最大耐受剂量后用于难治性 NET 或 ACC 患者的扩展队列。可用于肿瘤治疗相关的安全性、剂量与药代动力学研究(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):条件:癌症、神经内分泌肿瘤、NET、肾上腺皮质癌、ACC。本研究将是一项在多个临床中心开展的 I/II 期、开放标签、非随机、剂量探索试验。该研究旨在确定 TKM-080301 在对标准治疗难治或无标准治疗的成人实体瘤或淋巴瘤患者中的安全性、耐受性和 PK。在确定最大耐受剂量后,该剂量将用于难治性神经内分泌肿瘤(NET)或肾上腺皮质癌(ACC)肿瘤受试者的扩展队列。

【主题与分类】

主题标签:Cancer、Neuroendocrine Tumors、NET、Adrenocortical Carcinoma、ACC。本站分类:肿瘤/淋巴瘤。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT01262235

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/NCT01262235

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、神经内分泌肿瘤、NET、肾上腺皮质癌、ACC。本研究将是一项I/II期、开放标签、非随机、剂量探索试验,在多个临床中心开展。该研究旨在确定TKM-080301在标准治疗难治或无标准治疗的成人实体瘤或淋巴瘤患者中的安全性、耐受性和药代动力学。在确定最大耐受剂量后,该剂量将用于难治性神经内分泌肿瘤(NET)或肾上腺皮质癌(ACC)受试者的扩展队列。

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