XmAb®23104 在选定晚期实体瘤受试者中的研究 (DUET-3)
该数据集来自 clinicaltrials.gov，为一项关于 XmAb®23104 的 1 期、多剂量、递增剂量爬坡研究，受试者为选定晚期实体瘤患者，涵盖黑色素瘤（除外葡萄膜黑色素瘤）、宫颈癌、胰腺癌、雌激素受体、孕激素受体及 Her2 阴性乳腺癌、肝细胞癌、尿路上皮癌、头颈部鳞状细胞癌和鼻咽癌
基本信息
资源简介
XmAb®23104 在选定晚期实体瘤受试者中的研究 (DUET-3)
该数据集来自 clinicaltrials.gov，为一项关于 XmAb®23104 的 1 期、多剂量、递增剂量爬坡研究，受试者为选定晚期实体瘤患者，涵盖黑色素瘤（除外葡萄膜黑色素瘤）、宫颈癌、胰腺癌、雌激素受体、孕激素受体及 Her2 阴性乳腺癌、肝细胞癌、尿路上皮癌、头颈部鳞状细胞癌和鼻咽癌。研究旨在确定 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 XmAb23104 单药及与 ipilimumab 联合治疗的抗肿瘤活性。可用于肿瘤治疗相关预测建模（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：条件：黑色素瘤（除外葡萄膜黑色素瘤）、宫颈癌、胰腺癌、雌激素受体、孕激素受体和 Her2 阴性的乳腺癌、肝细胞癌、尿路上皮癌、头颈部鳞状细胞癌、鼻咽癌。这是一项 1 期、多剂量、递增剂量爬坡研究，旨在确定 XmAb23104 的 MTD/RD 和给药方案，描述安全性和耐受性，评估 PK 和免疫原性，并初步评估 XmAb23104 单药治疗以及与 ipilimumab 联合治疗在选定晚期实体瘤受试者中的抗肿瘤活性。
【主题与分类】
主题标签：Melanoma (Excluding Uveal Melanoma)、Cervical Carcinoma、Pancreatic Carcinoma、Hepatocellular Carcinoma、Urothelial Carcinoma、Nasopharyngeal Carcinoma、Renal Cell Carcinoma、Colorectal Carcinoma、Endometrial Carcinoma、Non-small Cell Lung Carcinoma。本站分类：肿瘤/皮肤癌。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT03752398
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/NCT03752398
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：黑色素瘤（除外葡萄膜黑色素瘤）、宫颈癌、胰腺癌、雌激素受体、孕激素受体及Her2阴性的乳腺癌、肝细胞癌、尿路上皮癌、头颈部鳞状细胞癌、鼻咽癌。这是一项1期、多剂量、剂量递增研究，旨在确定XmAb23104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XmAb23104单药治疗及与伊匹木单抗联合治疗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。
