关于既往接受新型黑色素瘤治疗研究成年参与者长期健康的研究

该数据集来自 clinicaltrials.gov,聚焦黑色素瘤(皮肤癌)患者的长期随访研究。当前研究不给予研究药物,仅监测癌症状态并收集常规护理外的总体健康状况及后续治疗信息,旨在评估研究药物的长期安全性和有效性

Regeneron PharmaceuticalsRegeneron Pharmaceuticals
clinicaltrials
浏览 10
其他预测Melanoma
A Study to Learn About the Long-Term Health of Adult Participants From a Previous Study of a New Melanoma Treatment

基本信息

模态
其他
任务类型
预测
创建/更新时间
2026-10-20

资源简介

关于既往接受新型黑色素瘤治疗研究成年参与者长期健康的研究

该数据集来自 clinicaltrials.gov,聚焦黑色素瘤(皮肤癌)患者的长期随访研究。研究对象为既往在 R3767-ONC-1613(NCT03005782)研究中接受过 fianlimab 与 cemiplimab 联合治疗的晚期皮肤癌患者。当前研究不给予研究药物,仅监测癌症状态并收集常规护理外的总体健康状况及后续治疗信息,旨在评估研究药物的长期安全性和有效性。数据可用于黑色素瘤长期预后预测及治疗安全性分析(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):条件:黑色素瘤。本研究正在研究名为 fianlimab 和 cemiplimab 的实验性药物组合的长期效果。该研究在既往于名为 R3767-ONC-1613(NCT03005782)的研究中接受过 fianlimab 和 cemiplimab 治疗的晚期皮肤癌(黑色素瘤)患者中进行。当前研究的目的是观察研究药物在长期随访中的安全性和有效性。本研究期间不会给予研究药物。除常规护理外,还将监测癌症状态。该研究还在收集关于总体健康状况以及自参与研究 R3767-ONC-1613(NCT03005782)以来可能接受的其他治疗的信息。

【主题与分类】

主题标签:Melanoma。本站分类:肿瘤/皮肤癌。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT06848088

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/NCT06848088

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

疾病:黑色素瘤。本研究正在研究一种名为fianlimab和cemiplimab的实验性药物联合方案的长期效果。该研究在晚期皮肤癌(黑色素瘤)患者中开展,这些患者此前曾在名为R3767-ONC-1613(NCT03005782)的研究中接受过fianlimab和cemiplimab治疗。当前研究的目的是在长期随访中观察研究药物的安全性和有效性。本研究期间不会给予研究药物。除常规护理外,还将监测癌症状态。该研究还收集有关总体健康状况的信息,以及自参与研究R3767-ONC-1613(NCT03005782)以来可能接受过的其他治疗的信息。

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