IMNN-001(又称GEN-1)联合BEV与NACT治疗新诊断晚期卵巢癌、输卵管癌或原发性腹膜癌的II期试验
该数据集来自clinicaltrials.gov,聚焦新诊断晚期卵巢癌、输卵管癌或原发性腹膜癌。研究为1:1随机、开放标签、多中心I/II期试验,评估在化疗联合BEV基础上加用IMNN-001(又称GEN-1)的安全性、剂量、疗效与生物学活性

基本信息
资源简介
IMNN-001(又称GEN-1)联合BEV与NACT治疗新诊断晚期卵巢癌、输卵管癌或原发性腹膜癌的II期试验
该数据集来自clinicaltrials.gov,聚焦新诊断晚期卵巢癌、输卵管癌或原发性腹膜癌。研究为1:1随机、开放标签、多中心I/II期试验,评估在化疗联合BEV基础上加用IMNN-001(又称GEN-1)的安全性、剂量、疗效与生物学活性。化疗采用卡铂联合紫杉醇标准方案,每三周一次,共7-9个周期,其中至少4个周期为新辅助化疗。可用于肿瘤治疗相关研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:卵巢癌、输卵管癌、原发性腹膜癌。这是一项1:1随机、开放标签、多中心I/II期试验,旨在评估在化疗+BEV基础上加用IMNN-001的安全性、剂量、疗效和生物学活性,并与单纯化疗+BEV进行比较。化疗(NACT和辅助化疗)将采用卡铂+紫杉醇的标准方案,每三周给药一次,共7-9个周期。方案要求至少4个周期的NACT,并允许根据缓解情况和其他临床考虑由研究者决定最多增加2个周期的新辅助治疗。ICS将在末次NACT给药后3-4周进行。在ICS后至少4周恢复期后,将再给予3个周期的辅助研究治疗。手术与BEV给药之间的最短时间间隔为4周以确保安全。BE
【主题与分类】
主题标签:Ovarian Cancer、Fallopian Tube Cancer、Primary Peritoneal Cancer。本站分类:肿瘤。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT05739981
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/NCT05739981
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:卵巢癌、输卵管癌、原发性腹膜癌。这是一项1:1随机、开放标签、多中心I/II期试验,旨在评估在化疗+BEV基础上加用IMNN-001相较于单纯化疗+BEV的安全性、给药方案、疗效及生物学活性。化疗(新辅助化疗和辅助化疗)将采用卡铂+紫杉醇的标准方案,每三周给药一次,共7-9个周期。方案要求至少进行4个周期的新辅助化疗,并允许研究者根据疗效及其他临床考虑酌情增加最多2个周期的新辅助治疗。间歇性肿瘤细胞减灭术将在末次新辅助化疗给药后3-4周进行。在间歇性肿瘤细胞减灭术后至少4周的恢复期后,将再给予3个周期的辅助研究治疗。为确保安全,手术与BEV给药之间的最短时间间隔为4周。BEV将纳入第2、3、6和7周期。BEV可由FDA批准的生似药替代。实验组将在每个化疗+BEV周期中每周加用IMNN-001,从第1周期第15天开始,并持续每周给药直至辅助治疗的最后一个周期。
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。




