LM-302联合其他抗肿瘤疗法II期研究
该数据集来自clinicaltrials.gov，收录一项关于LM-302联合其他抗肿瘤疗法在CLDN18.2阳性晚期消化道肿瘤患者中疗效评估的II期研究
基本信息
资源简介
LM-302联合其他抗肿瘤疗法II期研究
该数据集英文名为 A LM-302 Combination With Other Anti-Tumor Therapies Phase ll Study，来源于 clinicaltrials.gov，主题标签为 Malignant Neoplasms of Digestive Organs，本站归类为肿瘤 / 其他。源站描述显示，其研究条件为消化器官恶性肿瘤，研究目的是评估 LM-302 联合其他疗法在 CLDN18.2 阳性晚期消化道肿瘤患者中的疗效。整体来看，该数据集围绕一项 II 期临床研究，聚焦 LM-302 联合其他抗肿瘤疗法在特定生物标志物阳性晚期消化道肿瘤人群中的疗效评估，可供关注消化道肿瘤临床研究进展的专业人员参考。
【数据集背景】
该数据集对应的是一项关于 LM-302 联合其他抗肿瘤疗法的 II 期研究。源站描述明确指出，研究条件为消化器官恶性肿瘤（Malignant Neoplasms of Digestive Organs），研究对象为 CLDN18.2 阳性晚期消化道肿瘤患者，研究目的在于评估 LM-302 联合其他疗法在该人群中的疗效。主题标签同样指向消化器官恶性肿瘤这一疾病领域。本站将其归入肿瘤 / 其他分类，说明其内容属于肿瘤学临床研究范畴，但并非进一步细分的特定瘤种专题。
【数据内容】
该数据集收录的是上述 II 期研究的相关信息。根据源站描述，其核心内容涉及研究条件（消化器官恶性肿瘤）、研究目的（评估 LM-302 联合其他疗法在 CLDN18.2 阳性晚期消化道肿瘤患者中的疗效）以及研究分期（II 期）。数据集英文名称本身也体现了研究药物 LM-302、联合其他抗肿瘤疗法的设计以及 II 期研究性质。除这些信息外，源站未提供更细化的数据字段说明。
【采集与来源】
该数据集来自 clinicaltrials.gov。源站描述为其主要信息来源，内容包括研究条件与研究目的。主题标签为 Malignant Neoplasms of Digestive Organs。除来源站与上述描述外，源站未提供关于采集方式、采集时间、更新频率等方面的更多信息。
【适用场景】
基于现有信息，该数据集适用于了解 LM-302 联合其他抗肿瘤疗法在 CLDN18.2 阳性晚期消化道肿瘤患者中疗效评估这一 II 期研究的概况，可供肿瘤学临床研究、消化道肿瘤治疗领域的研究人员与临床专业人员作为研究线索参考。关于更具体的适用场景，源站未提供。
【使用方法】
源站未提供该数据集的具体使用方法，包括数据获取方式、字段结构、检索与筛选方式等均未说明。
【质量与限制】
该数据集的信息主要依据源站描述，内容集中于研究条件、研究目的与研究分期等概要层面。源站未提供关于数据完整性、准确性校验、样本量、研究结果等方面的信息，因此无法对其质量作进一步评估。使用时应注意其信息范围有限，具体研究细节需以源站原始记录为准。
【引用与许可】
源站未提供该数据集的引用方式与许可信息。
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/NCT05934331
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
条件：消化器官恶性肿瘤。本研究旨在评估LM-302联合其他疗法在CLDN18.2阳性晚期消化道肿瘤患者中的疗效。
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。
