AVA6103 用于局部晚期或转移性选定实体瘤受试者的研究
该数据集来自 clinicaltrials.gov，收录 AVA6103 在局部晚期或转移性选定实体瘤受试者中的研究信息，覆盖外阴腺癌、胰腺导管腺癌、胃腺癌、胃食管结合部腺癌、宫颈腺癌、宫颈腺鳞癌、肺小细胞癌和结直肠癌等瘤种
基本信息
资源简介
AVA6103 用于局部晚期或转移性选定实体瘤受试者的研究
该数据集来自 clinicaltrials.gov，收录 AVA6103 在局部晚期或转移性选定实体瘤受试者中的研究信息，覆盖外阴腺癌、胰腺导管腺癌、胃腺癌、胃食管结合部腺癌、宫颈腺癌、宫颈腺鳞癌、肺小细胞癌和结直肠癌等瘤种。研究分为 Phase 1a 剂量递增和 Phase 1b 剂量扩展两部分：前者评估 AVA6103 单药按 Q3W 与 Q2W 两种给药方案的安全性、耐受性及 MTD 和/或 RP2D，后者基于递增阶段数据以 RP2D 给药。可用于肿瘤治疗领域的用药方案与安全性分析（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：适应症：外阴腺癌、PDAC - 胰腺导管腺癌、胃腺癌、GEJ 腺癌、宫颈腺癌、宫颈腺鳞癌、肺小细胞癌、结直肠癌。Phase 1a（剂量递增）：剂量递增部分旨在评估 AVA6103 的安全性、耐受性以及 MTD 和/或 RP2D，以单药形式按两种方案给药：21 天周期的第 1 天（Q3W 方案）和 14 天周期的第 1 天（Q2W 方案）。Phase 1b（剂量扩展）：剂量扩展组基于剂量递增阶段的数据审查，AVA6103 按 RP2D 给药。
【主题与分类】
主题标签：Vulvar Adenocarcinoma、PDAC - Pancreatic Ductal Adenocarcinoma、Gastric Adenocarcinoma、GEJ Adenocarcinoma、Cervical Adenocarcinoma、Cervical Adenosquamous Carcinoma、Small Cell Carcinoma of Lung、Colorectal Cancer。本站分类：肿瘤/其他。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT07454642
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/NCT07454642
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：外阴腺癌、PDAC-胰腺导管腺癌、胃腺癌、胃食管结合部腺癌、宫颈腺癌、宫颈腺鳞癌、肺小细胞癌、结直肠癌。1a期（剂量递增）：剂量递增部分旨在评估AVA6103作为单药治疗的安全性、耐受性及MTD和/或RP2D，给药方案分为两种：21天周期的第1天（Q3W方案）和14天周期的第1天（Q2W方案）。1b期（剂量扩展）：剂量扩展组基于剂量递增阶段的数据审查，以RP2D给予AVA6103。
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。
