XmAb®20717 在选定晚期实体瘤受试者中的研究

该数据集来自 clinicaltrials.gov,聚焦 XmAb®20717 在选定晚期实体瘤受试者中的 Phase 1、多剂量、剂量递增研究

Xencor, Inc.Xencor, Inc.
clinicaltrials
浏览 19
其他预测MelanomaBreast CarcinomaHepatocellular CarcinomaUrothelial CarcinomaRenal Cell CarcinomaColorectal CarcinomaNon-small Cell Lung CarcinomaEndometrial CarcinomaMesotheliomaNeuroendocrine CarcinomaCervical CancerSmall Cell Lung Carcinoma
A Study of XmAb®20717 in Subjects With Selected Advanced Solid Tumors

基本信息

模态
其他
任务类型
预测
创建/更新时间
2026-10-08

资源简介

XmAb®20717 在选定晚期实体瘤受试者中的研究

该数据集来自 clinicaltrials.gov,聚焦 XmAb®20717 在选定晚期实体瘤受试者中的 Phase 1、多剂量、剂量递增研究。覆盖瘤种包括 Melanoma、Breast Carcinoma、Hepatocellular Carcinoma、Urothelial Carcinoma、Squamous Cell Carcinoma of the Head and Neck、Renal Cell Carcinoma、Colorectal Carcinoma 与 Non-small Cell Lung Carcinoma。研究目标为确定 MTD/RD 及给药方案,描述安全性与耐受性,评估 PK 与免疫原性,并初步评估抗。

【主题与分类】

主题标签:Melanoma、Breast Carcinoma、Hepatocellular Carcinoma、Urothelial Carcinoma、Renal Cell Carcinoma、Colorectal Carcinoma、Non-small Cell Lung Carcinoma、Endometrial Carcinoma、Mesothelioma、Neuroendocrine Carcinoma。本站分类:肿瘤/皮肤癌。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT03517488

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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/NCT03517488

标准获取流程:

  1. 访问源站链接,注册/登录账号;
  2. 进入数据集详情页,按页面指引申请权限或直接下载;
  3. 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。

数据说明

适应症:黑色素瘤、乳腺癌、肝细胞癌、尿路上皮癌、头颈部鳞状细胞癌、肾细胞癌、结直肠癌、非小细胞肺癌。这是一项1期、多剂量、剂量递增研究,旨在确定XmAb20717的最大耐受剂量/推荐剂量及给药方案,描述其安全性和耐受性,评估药代动力学和免疫原性,并初步评估XmAb20717在选定晚期实体瘤受试者中的抗肿瘤活性。

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。

获取专属数据定制方案