NPX267 治疗已知表达 HHLA2/B7-H7 的实体瘤研究

该数据集来自 clinicaltrials.gov,聚焦 NPX267 用于已知表达 HHLA2/B7-H7 的实体瘤受试者的临床研究

NextPoint Therapeutics, Inc.NextPoint Therapeutics, Inc.
clinicaltrials
浏览 8
医学影像分类Metastatic Malignant Neoplasm
A Study of NPX267 for Subjects With Solid Tumors Known to Express HHLA2/B7-H7

基本信息

模态
医学影像
任务类型
分类
创建/更新时间
2026-10-10

资源简介

NPX267 治疗已知表达 HHLA2/B7-H7 的实体瘤研究

该数据集来自 clinicaltrials.gov,聚焦 NPX267 用于已知表达 HHLA2/B7-H7 的实体瘤受试者的临床研究。试验分为两部分:第一部分为剂量递增,测试不同剂量以确定第二部分所用剂量;第二部分为剂量扩展,纳入更多患者以观察药物对肿瘤的作用。研究全程收集数据以刻画药物的临床活性,并通过采血评估血药浓度随时间的变化(药代动力学)及血液成分变化(药效动力学与安全性)。此外,约每九周通过 CT 或 MRI 进行肿瘤影像检查,以评估 NPX267 对肿瘤生长的影响(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):条件:转移性恶性肿瘤。本试验分为两部分。第一部分(剂量递增)将测试不同剂量的药物,以确定第二部分所用的剂量。在第二部分(剂量扩展)中,将测试更多患者,以观察该药物是否对患者的肿瘤产生影响。在整个研究过程中,将收集数据以刻画该药物的临床活性。将采集血液样本,通过评估血液中药物随时间变化的量(药代动力学)以及血液成分的变化(药效动力学和安全性),帮助了解药物在体内的行为。大约每九周将通过计算机断层扫描(CT)或磁共振成像(MRI)进行肿瘤影像检查,以评估 NPX267 对肿瘤生长的影响。

【主题与分类】

主题标签:Metastatic Malignant Neoplasm。本站分类:肿瘤。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT05958199

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/NCT05958199

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

条件:转移性恶性肿瘤。本试验分为两部分。第一部分(剂量递增)将测试不同剂量的药物,以确定第二部分所用的剂量。在第二部分(剂量扩展)中,将测试更多患者,以观察药物是否对患者的肿瘤产生影响。在整个研究过程中,将收集数据以描述药物的临床活性特征。将采集血液样本,通过评估血液中药物随时间的变化量(药代动力学)以及血液成分的变化(药效学和安全性),帮助了解药物在体内的行为。大约每九周将通过计算机断层扫描(CT)或磁共振成像(MRI)进行肿瘤成像,以评估NPX267对肿瘤生长的影响。

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