AZD3965 治疗晚期癌症患者的 I 期试验

该数据集来自 clinicaltrials.gov,收录一项 AZD3965 治疗晚期癌症患者的 I 期临床试验,覆盖成人实体瘤、弥漫大 B 细胞淋巴瘤和 Burkitt 淋巴瘤

Cancer Research UKCancer Research UK
clinicaltrials
浏览 12
其他Adult Solid TumorDiffuse Large B Cell LymphomaBurkitt Lymphoma
A Phase I Trial of AZD3965 in Patients With Advanced Cancer

基本信息

模态
其他
创建/更新时间
2026-10-10

资源简介

AZD3965 治疗晚期癌症患者的 I 期试验

该数据集来自 clinicaltrials.gov,收录一项 AZD3965 治疗晚期癌症患者的 I 期临床试验,覆盖成人实体瘤、弥漫大 B 细胞淋巴瘤和 Burkitt 淋巴瘤。试验第一部分采用滚动六剂量递增方案,AZD3965 每日一次或每日两次给药,直至确定最大耐受剂量;推荐的 II 期剂量依据第一部分的安全性和药代动力学结果确定。第二部分所有患者均按该推荐 II 期剂量治疗,以进一步探索该剂量与方案的耐受性,并在临床前显示表达 MCT1 且 AZD3965 有一定效果的肿瘤类型中探索 MCT1 抑制的原理验证(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):条件:成人实体瘤、弥漫大 B 细胞淋巴瘤、Burkitt 淋巴瘤。第一部分遵循 AZD3965 每日一次(OD)或每日两次(BD)给药的滚动六剂量递增方案,直至确定最大耐受剂量(MTD)。推荐的 II 期剂量(RP2D)基于第一部分的安全性和药代动力学(PK)结果。第二部分的所有患者均按此 RP2D 治疗,以进一步探索该剂量和方案的耐受性,并在临床前显示表达 MCT1 且 AZD3965 显示出一定效果的肿瘤类型(DLBCL 和 BL)中探索 MCT1 抑制的原理验证。

【主题与分类】

主题标签:Adult Solid Tumor、Diffuse Large B Cell Lymphoma、Burkitt Lymphoma。本站分类:肿瘤/淋巴瘤。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT01791595

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/NCT01791595

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

适应症:成人实体瘤、弥漫性大B细胞淋巴瘤、伯基特淋巴瘤。第一部分采用滚动六剂量递增方案,AZD3965每日一次(OD)或每日两次(BD)给药,直至确定最大耐受剂量(MTD)。推荐的II期剂量(RP2D)基于第一部分的安全性和药代动力学(PK)结果确定。第二部分的所有患者均接受此RP2D治疗,以进一步探索该剂量和方案的耐受性,并探索MCT1抑制在已显示表达MCT1且AZD3965在临床前显示出一定效果的肿瘤类型(DLBCL和BL)中的原理验证。

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