Eribulin与Pembrolizumab联合治疗软组织肉瘤的II期研究
该数据集来自clinicaltrials.gov,为一项II期临床试验,研究Eribulin与Pembrolizumab联合治疗软组织肉瘤的安全性及有效性

基本信息
资源简介
Eribulin与Pembrolizumab联合治疗软组织肉瘤的II期研究
该数据集来自clinicaltrials.gov,为一项II期临床试验,研究Eribulin与Pembrolizumab联合治疗软组织肉瘤的安全性及有效性。覆盖的疾病类型包括肉瘤、脂肪肉瘤、平滑肌肉瘤和未分化多形性肉瘤。数据可用于了解该联合方案在特定肉瘤亚型中的研究设计、适用人群及终点指标,为肿瘤治疗领域的临床研究和药物评价提供参考(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:肉瘤、脂肪肉瘤、平滑肌肉瘤、未分化多形性肉瘤。本研究是一项II期临床试验。II期临床试验测试一种研究性药物(在本研究中为药物联合方案)的安全性和有效性,以了解该药物联合方案是否对治疗特定疾病有效。“研究性”意味着该药物联合方案正在研究中。本研究的主要目的是测试eribulin和pembrolizumab联合控制该癌症的安全性和有效性。FDA(美国食品药品监督管理局)已批准eribulin用于治疗脂肪肉瘤,该批准基于一项III期研究,该研究比较了eribulin和达卡巴嗪在治疗脂肪肉瘤和平滑肌肉瘤中的效果。FDA尚未批准pembrolizumab用于该特定疾病,但已批准其用于
【主题与分类】
主题标签:Sarcoma、Liposarcoma、Leiomyosarcoma、Undifferentiated Pleomorphic Sarcoma。本站分类:肿瘤。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT03899805
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/NCT03899805
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:肉瘤、脂肪肉瘤、平滑肌肉瘤、未分化多形性肉瘤。本研究为II期临床试验。II期临床试验旨在检验研究性药物(在本研究中为药物联合方案)的安全性和有效性,以了解该联合用药方案是否对治疗特定疾病有效。“研究性”是指该联合用药方案正处于研究阶段。本研究的主要目的是检验艾日布林(eribulin)与帕博利珠单抗(pembrolizumab)联合用药控制该癌症的安全性和有效性。美国食品药品监督管理局(FDA)已批准艾日布林用于治疗脂肪肉瘤,该批准基于一项III期研究,该研究比较了艾日布林与达卡巴嗪(dacarbazine)治疗脂肪肉瘤和平滑肌肉瘤的效果。FDA尚未批准帕博利珠单抗用于该特定疾病,但已批准其用于其他适应症。一项II期研究显示,脂肪肉瘤和未分化多形性肉瘤对帕博利珠单抗治疗有罕见的应答。
虽然艾日布林联合帕博利珠单抗此前尚未在脂肪肉瘤、平滑肌肉瘤或未分化多形性肉瘤的治疗中进行过测试,但其他研究和实验室实验以及来自这些研究的信息表明,这些药物的联合使用可能有助于阻止癌细胞生长。艾日布林化疗可能会增加对帕博利珠单抗免疫治疗的应答。
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。




