STAR0602 在晚期实体瘤受试者中的选择性 TCR 靶向双功能抗体融合分子研究
该数据集来自 clinicaltrials.gov，收录一项关于 STAR0602 的 1/2 期临床研究，研究对象为晚期实体瘤受试者，涉及女性生殖器肿瘤、泌尿生殖系统肿瘤、肺部肿瘤、乳头状瘤病毒感染、EB 病毒感染及癌等病种
基本信息
资源简介
STAR0602 在晚期实体瘤受试者中的选择性 TCR 靶向双功能抗体融合分子研究
该数据集来自 clinicaltrials.gov，收录一项关于 STAR0602 的 1/2 期临床研究，研究对象为晚期实体瘤受试者，涉及女性生殖器肿瘤、泌尿生殖系统肿瘤、肺部肿瘤、乳头状瘤病毒感染、EB 病毒感染及癌等病种。研究分为 1 期剂量递增和 2 期剂量扩展两部分：1 期评估 STAR0602 静脉给药的安全性、耐受性并确定最大耐受剂量和/或推荐 2 期剂量；2 期在推荐 2 期剂量下进一步评估安全性和初步临床活性，以客观缓解率、缓解持续时间、疾病控制率等指标衡量。可用于肿瘤免疫治疗相关研究（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：条件：晚期实体瘤、女性生殖器肿瘤、泌尿生殖系统肿瘤、肺部肿瘤、按部位分类的肿瘤、乳头状瘤病毒感染、Epstein-Barr 病毒感染、癌。这项 1/2 期研究包括两部分：1 期剂量递增和 2 期剂量扩展。在 1 期剂量递增中，STAR0602 将静脉给药于晚期实体瘤受试者，以评估 STAR0602 的安全性/耐受性特征，并确定 STAR0602 的最大耐受剂量（MTD）和/或推荐 2 期剂量（RP2D）。在 2 期剂量扩展中，将以 RP2D 剂量的 STAR0602 给药于晚期、抗原丰富的实体瘤受试者，以进一步评估安全性并评估 STAR0602 的初步临床活性。临床活性将通过客观肿瘤缓解率（ORR）、缓解持续时间（DOR）、疾病控制率（DCR）和进展 f
【主题与分类】
主题标签：Advanced Solid Tumors、Genital Neoplasm, Female、Urogenital Neoplasms、Lung Neoplasm、Neoplasms by Site、Papillomavirus Infection、Epstein-Barr Virus Infections、Carcinoma、Neoplasms、Vulvar Neoplasms。本站分类：肿瘤。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT05592626
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/NCT05592626
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：晚期实体瘤、女性生殖系统肿瘤、泌尿生殖系统肿瘤、肺肿瘤、按部位分类的肿瘤、乳头状瘤病毒感染、EB病毒感染、癌。本项1/2期研究包括两部分：1期剂量递增和2期剂量扩展。在1期剂量递增部分，STAR0602将以静脉给药方式用于晚期实体瘤受试者，以评估STAR0602的安全性/耐受性特征，并确定STAR0602的最大耐受剂量（MTD）和/或2期推荐剂量（RP2D）。在2期剂量扩展部分，将以RP2D剂量的STAR0602用于晚期、抗原丰富的实体瘤受试者，以进一步评估安全性并评价STAR0602的初步临床活性。临床活性将通过客观肿瘤缓解率（ORR）、缓解持续时间（DOR）、疾病控制率（DCR）和无进展生存期（PFS）进行评价。
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。
