Daromun瘤内给药治疗非黑色素瘤皮肤癌患者数据集
该数据集来自 clinicaltrials.gov,聚焦 Daromun(L19IL2/L19TNF)瘤内给药治疗非黑色素瘤皮肤癌的 II 期临床研究,覆盖基底细胞癌(BCC)与皮肤鳞状细胞癌(cSCC)患者

基本信息
资源简介
Daromun瘤内给药治疗非黑色素瘤皮肤癌患者数据集
该数据集来自 clinicaltrials.gov,聚焦 Daromun(L19IL2/L19TNF)瘤内给药治疗非黑色素瘤皮肤癌的 II 期临床研究,覆盖基底细胞癌(BCC)与皮肤鳞状细胞癌(cSCC)患者。源站描述显示,研究拟对高危 BCC 或 cSCC 的可注射病灶,单次或多次瘤内注射约 1.0 mL 体积中的 6.5 Mio IU L19IL2(约 1.08 mg)与 200 µg L19TNF,并参考既往 III/IV 期黑色素瘤病灶注射后注射与未注射病灶均出现良好肿瘤反应的观察。该数据可用于了解非黑色素瘤皮肤癌局部免疫治疗试验的设计与结局指标(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:基底细胞癌、皮肤鳞状细胞癌。这项 II 期临床研究旨在探讨瘤内注射 L19IL2/L19TNF 对可注射 BCC 或 cSCC 病灶患者的疗效。在 III 期或 IV 期可注射黑色素瘤病灶患者中,已观察到病灶内 L19IL2/L19TNF 治疗后良好的肿瘤反应,包括注射病灶和未注射病灶。拟议的 II 期临床研究计划在高危 BCC 或 cSCC 患者中,将 6.5 Mio IU 的 L19IL2(约 1.08 mg)和 200 µg 的 L19TNF 以约 1.0 mL 的体积进行单次或多次瘤内注射。对于 B 患者(源站描述在此处截断)的治疗,存在对具有可比良好缓解率和高无复发生存率的非侵入性治疗策略的高度医疗需求。
【主题与分类】
主题标签:Carcinoma, Basal Cell、Carcinoma, Cutaneous Squamous Cell。本站分类:肿瘤/皮肤癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT04362722
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/NCT04362722
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
疾病:基底细胞癌、皮肤鳞状细胞癌。本临床II期研究旨在探讨瘤内注射L19IL2/L19TNF对可注射的基底细胞癌(BCC)或皮肤鳞状细胞癌(cSCC)患者的疗效。在III期或IV期可注射黑色素瘤病灶患者中,经病灶内L19IL2/L19TNF治疗后,无论是注射病灶还是未注射病灶,均观察到了良好的肿瘤反应。拟议的临床II期研究计划探讨对高风险BCC或cSCC患者,将6.5百万IU的L19IL2(约1.08 mg)和200 µg的L19TNF,以约1.0 mL的体积,作为单次或多次瘤内注射进行病灶内给药。对于无法接受手术或拒绝手术的BCC或cSCC患者,亟需具有相当良好缓解率和高无复发生存率的非侵入性治疗策略。手术并非总是适用,因为可能因解剖位置而不可行,可能给患者带来较差的美容效果,或者通常不被患者接受为治疗策略。
然而,当前的非手术治疗策略响应率和无复发生存率显著降低。基于L19IL2/L19TNF二期研究中注射及非注射病灶所取得的良好结果,以及随后在III期或IV期黑色素瘤患者中进行的III期研究所显示的良好安全性,我们相信,BCC或cSCC患者将从L19IL2/L19TNF的病灶内治疗中获益。
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。




