TARA-002 膀胱内灌注治疗高危非肌层浸润性膀胱癌的安全性与有效性研究
该数据集来自 clinicaltrials.gov,主题为高危非肌层浸润性膀胱癌(NMIBC)。TARA-002-101-Ph2 是一项开放标签研究,评估 TARA-002 膀胱内灌注在 18 岁及以上高危 CIS NMIBC(± Ta/T1)成人中的安全性与有效性

基本信息
资源简介
TARA-002 膀胱内灌注治疗高危非肌层浸润性膀胱癌的安全性与有效性研究
该数据集来自 clinicaltrials.gov,主题为高危非肌层浸润性膀胱癌(NMIBC)。TARA-002-101-Ph2 是一项开放标签研究,评估 TARA-002 膀胱内灌注在 18 岁及以上高危 CIS NMIBC(± Ta/T1)成人中的安全性与有效性。该 II 期研究在 Ia 期剂量探索研究确定的 RP2D 下进一步评估,纳入签署 ICF 前 3 个月内最近一次肿瘤评估存在活动性疾病的 CIS NMIBC(± Ta/T1)受试者,分为 BCG 初治或 BCG 暴露且最近 CIS 诊断前至少 24 个月未接受膀胱内 BCG 的两个队列(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:非肌层浸润性膀胱癌。TARA-002-101-Ph2 是一项开放标签研究,旨在研究 TARA-002 膀胱内灌注在 18 岁及以上高危 CIS NMIBC(± Ta/T1)成人中的安全性与有效性。这项 II 期研究(TARA-002-101-Ph2)的目的是在 Ia 期剂量探索研究(TARA-002-101-Ph1a)中确定的 RP2D 下进一步评估 TARA-002 的安全性与有效性。这项 II 期研究纳入患有活动性疾病的 CIS NMIBC(± Ta/T1)受试者,活动性疾病定义为签署 ICF 前最近一次肿瘤评估(3 个月内)时存在的疾病。受试者将入组以下 2 个队列之一:队列 A: BCG 初治的 CIS(± Ta/T1)受试者,或 BCG 暴露且在最近一次 CIS 诊断前至少 24 个月未接受膀胱内 BCG 的 CIS(± Ta/T1)受试者
【主题与分类】
主题标签:Non-muscle Invasive Bladder Cancer。本站分类:肿瘤。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT05951179
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/NCT05951179
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
条件:非肌层浸润性膀胱癌。TARA-002-101-Ph2是一项开放标签研究,旨在探讨膀胱内灌注TARA-002在18岁及以上伴有高级别CIS NMIBC(±Ta/T1)成人患者中的安全性和有效性。这项2期研究(TARA-002-101-Ph2)的目的是在1a期剂量探索研究(TARA-002-101-Ph1a)中确定的RP2D下进一步评估TARA-002的安全性和有效性。这项2期研究纳入伴有活动性疾病的CIS NMIBC(±Ta/T1)受试者,活动性疾病定义为签署ICF前最近一次肿瘤评估(3个月内)时存在疾病。受试者将入组以下2个队列之一:队列A:* BCG初治的CIS(±Ta/T1)受试者,或* BCG暴露且在最近一次CIS诊断前至少24个月未接受过膀胱内BCG治疗的CIS(±Ta/T1)受试者。队列B:* BCG无应答的受试者
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。




