PD-L1 t-haNK、NAI IL-15sa与西妥昔单抗治疗复发转移性HNSCC
该数据集来自clinicaltrials.gov,聚焦PD-L1 t-haNK、NAI IL-15sa与西妥昔单抗联合治疗晚期头颈癌的研究,覆盖头颈癌、头颈部鳞状细胞癌、转移性及复发性头颈癌等主题

基本信息
资源简介
PD-L1 t-haNK、NAI IL-15sa与西妥昔单抗治疗复发转移性HNSCC
该数据集来自clinicaltrials.gov,聚焦PD-L1 t-haNK、NAI IL-15sa与西妥昔单抗联合治疗晚期头颈癌的研究,覆盖头颈癌、头颈部鳞状细胞癌、转移性及复发性头颈癌等主题。数据可用于了解该联合方案在复发转移性HNSCC中的安全性、疗效评估框架及相关免疫治疗机制,为肿瘤免疫治疗研究提供参考(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:头颈癌、头颈部鳞状细胞癌、转移性头颈癌、复发性头颈癌、转移性头颈部鳞状细胞癌、复发性头颈部鳞状细胞癌。本研究旨在测试PD-L1 t-haNK(修饰免疫细胞)、NAI(一种刺激免疫系统的制造蛋白)和西妥昔单抗(一种靶向抗体)联合治疗晚期头颈癌的安全性和有效性。PD-L1 t-haNK与免疫疗法NAI和西妥昔单抗联合可能协同增强NK细胞抗癌活性和持久性。美国食品药品监督管理局(FDA)尚未批准PD-L1 t-haNK细胞或NAI作为晚期头颈癌的治疗方法,但FDA已批准西妥昔单抗作为晚期头颈癌的治疗选择。Thi
【主题与分类】
主题标签:Head and Neck Cancer、Head and Neck Squamous Cell Carcinoma、Metastatic Head and Neck Cancer、Recurrent Head and Neck Cancer。本站分类:肿瘤。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT06239220
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/NCT06239220
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:头颈癌、头颈部鳞状细胞癌、转移性头颈癌、复发性头颈癌、转移性头颈部鳞状细胞癌、复发性头颈部鳞状细胞癌。本研究旨在测试PD-L1 t-haNK(修饰免疫细胞)、NAI(一种刺激免疫系统的制造蛋白)和西妥昔单抗(一种靶向抗体)联合治疗晚期头颈癌的安全性和有效性。PD-L1 t-haNK与免疫疗法NAI和西妥昔单抗联合使用,可能协同增强NK细胞对抗癌细胞的活性和持久性。美国食品药品监督管理局(FDA)尚未批准PD-L1 t-haNK细胞或NAI作为晚期头颈癌的治疗方法,但FDA已批准西妥昔单抗作为晚期头颈癌的治疗选择。本试验将测试这些药物的联合使用。研究程序包括资格筛选、研究治疗访视、计算机断层扫描(CT)、磁共振成像(MRI)、正电子发射断层扫描(PET)、血液检查和心电图(ECG)。
参与者将每2周接受一次研究治疗,持续至少1年,并将接受长达15年的随访,这是FDA对任何接受过基因修饰细胞治疗的参与者的要求。预计约有25人将参与这项研究。ImmunityBio公司将为该研究提供PD-L1 t-haNK和NAI。
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。




