Dato-DXd 单药及联合抗癌药物治疗晚期实体瘤研究(TROPION-PanTumor03)
该数据集来自 clinicaltrials.gov,为一项 II 期、开放标签、无对照、多中心研究,评估 Dato-DXd 单药及联合抗癌药物在多种晚期实体瘤中的疗效与安全性

基本信息
资源简介
Dato-DXd 单药及联合抗癌药物治疗晚期实体瘤研究(TROPION-PanTumor03)
该数据集来自 clinicaltrials.gov,为一项 II 期、开放标签、无对照、多中心研究,评估 Dato-DXd 单药及联合抗癌药物在多种晚期实体瘤中的疗效与安全性。研究采用模块化主方案设计,包含多个独立子研究,覆盖子宫内膜癌、胃癌、转移性去势抵抗性前列腺癌、卵巢癌、结直肠癌、尿路上皮癌和胆道癌,可同时评估安全性、II 期推荐剂量及疗效,适用于肿瘤治疗相关预测与安全性分析(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):适应症:子宫内膜癌、胃癌、转移性去势抵抗性前列腺癌、卵巢癌、结直肠癌、尿路上皮癌、胆道癌。这项 II 期、开放标签、无对照、多中心研究评估 Dato-DXd 作为单药(MONO)以及与抗癌药物联合(COMBO)在多种晚期实体瘤类型中的疗效和安全性。本研究采用模块化设计,因此带有独立子研究的主方案能够同时评估 Dato-DXd 在多个疾病人群和治疗组合中的安全性特征、II 期推荐剂量(RP2D)和疗效。本研究将评估多种实体瘤类型,包括子宫内膜癌(子研究 1)、胃癌(子研究 2)、转移性去势抵抗性前列腺癌(mCRPC)(子研究 3)、卵巢癌(子研究 4)、结直肠癌(CRC)
【主题与分类】
主题标签:Endometrial Cancer、Gastric Cancer、Ovarian Cancer、Colorectal Cancer、Urothelial Cancer、Biliary Tract Cancer。本站分类:肿瘤/前列腺癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT05489211
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/NCT05489211
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:子宫内膜癌、胃癌、转移性去势抵抗性前列腺癌、卵巢癌、结直肠癌、尿路上皮癌、胆道癌。这项II期、开放标签、无对照、多中心研究旨在评估Dato-DXd单药治疗(MONO)及与抗癌药物联合治疗(COMBO)在多种晚期实体瘤类型中的疗效和安全性。本研究采用模块化设计,因此,包含独立子研究的主方案能够同时评估Dato-DXd在多个疾病人群和治疗联合方案中的安全性特征、推荐的II期剂量(RP2D)及疗效。本研究将评估多种实体瘤类型,包括晚期或转移性环境下的子宫内膜癌(子研究1)、胃癌(子研究2)、转移性去势抵抗性前列腺癌(mCRPC)(子研究3)、卵巢癌(子研究4)、结直肠癌(CRC)(子研究5)、尿路上皮癌(子研究6)和胆道癌(子研究7)。
在每项子研究中,Dato-DXd将作为单药治疗(适用于除子研究2以外的所有子研究)进行评估,并与可能对所评估肿瘤类型具有活性的已批准或新型抗癌药物联合使用(适用于除子研究1和子研究7以外的所有子研究)。
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。




