晚期实体瘤热消融后瘤内注射IP-001研究
该数据集来自 clinicaltrials.gov,主题为晚期实体瘤患者在接受热消融后瘤内注射 IP-001 的临床试验 SAKK 66/17

基本信息
资源简介
晚期实体瘤热消融后瘤内注射IP-001研究
该数据集来自 clinicaltrials.gov,主题为晚期实体瘤患者在接受热消融后瘤内注射 IP-001 的临床试验 SAKK 66/17。源站描述指出,晚期实体瘤患者经标准全身治疗失败后仍存在高度未满足的医疗需求;晚期黑色素瘤患者虽从新型检查点抑制剂等单克隆抗体治疗中获益,但治疗后进展者仍需更多选择;晚期肉瘤领域近年进展甚微,化疗仍是标准治疗。该试验采用不同于临床实践的治疗策略,可能为标准化疗和免疫治疗失败的患者提供获益,并提及存在较强的临床前和早期临床证据。数据可用于了解该试验的研究背景与治疗思路(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:晚期实体瘤。尽管在标准全身治疗失败的晚期实体瘤患者的治疗方面不断取得进展,但开发新的活性抗癌药物或疗法仍存在高度未满足的医疗需求。虽然晚期黑色素瘤患者已从新型检查点抑制剂、单克隆抗体等治疗中显著获益,但在此类治疗后进展的患者仍高度需要额外的治疗选择。在晚期肉瘤领域,过去几年几乎没有取得进展,化疗仍是这些患者的标准治疗。试验 SAKK 66/17 采取的治疗策略不同于临床实践中已使用的策略,并可能为标准化疗和免疫治疗失败后的患者提供治疗获益。存在较强的临床前和早期临
【主题与分类】
主题标签:Advanced Solid Tumors。本站分类:肿瘤/皮肤癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT03993678
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/NCT03993678
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:晚期实体瘤。尽管在标准全身治疗失败的晚期实体瘤患者的治疗方面不断取得进展,但开发新的活性抗癌药物或疗法仍存在高度未满足的医疗需求。虽然晚期黑色素瘤患者已从新的检查点抑制剂、单克隆抗体等治疗中显著获益,但在此类治疗后出现疾病进展的患者仍亟需额外的治疗选择。在晚期肉瘤领域,过去几年几乎未取得进展,化疗仍是这些患者的标准治疗。试验SAKK 66/17所采用的治疗方法与临床实践中已使用的方法不同,可能为标准化疗和免疫治疗失败后的患者提供治疗获益。有强有力的临床前和早期临床证据表明,将热消融与IP-001(1% N-二氢半乳糖-壳聚糖,Immunophotonics Inc.)注射剂联合使用,可能能够将“冷”肿瘤转化为“热”肿瘤,从而诱导全身性免疫反应。
这可能导致治疗肿瘤缩小,以及由患者免疫防御系统介导的针对任何残留肿瘤细胞(残留原发性和转移性肿瘤细胞)的长期应答,包括治疗区域外或远处的肿瘤细胞(也称为远隔效应)。第1部分的主要目标是确定热消融后立即进行瘤内IP-001注射(消融+IP-001)在激光消融可及的实体瘤患者(“所有 comers”)中的安全性和耐受性。第2部分-队列1(软组织肉瘤,STS)的主要目标是在试验第1部分确定的剂量下,进一步确定热消融后立即进行瘤内IP-001注射(消融+IP-001)的安全性和耐受性。试验第2部分-队列2(黑色素瘤)的主要目标是定义抗肿瘤
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。




