PROCLAIM: CX-072-002:PD-L1 Probody药物CX-072联合其他抗癌疗法治疗成人实体瘤研究
该数据集来源于clinicaltrials.gov,收录PROCLAIM: CX-072-002研究,针对成人实体瘤及不可切除或转移性黑色素瘤患者,评估PD-L1 Probody药物CX-072联合其他抗癌疗法的抗肿瘤效果,主要依据RECIST标准的总缓解率

基本信息
资源简介
PROCLAIM: CX-072-002:PD-L1 Probody药物CX-072联合其他抗癌疗法治疗成人实体瘤研究
PROCLAIM: CX-072-002 数据集来源于 clinicaltrials.gov,收录了一项针对成人实体瘤及不可切除或转移性黑色素瘤患者的研究。该研究评估 PD-L1 Probody 治疗药物 CX-072 联合其他抗癌疗法的抗肿瘤效果,主要依据实体瘤疗效评价标准(RECIST)的总缓解率来获取证据。数据集在分类上归属于肿瘤 / 皮肤癌方向,主题标签涵盖实体瘤与不可切除或转移性黑色素瘤,可为关注该联合治疗策略的研究人员提供结构化的研究信息来源。
【数据集背景】
该数据集对应的研究名为 PROCLAIM: CX-072-002,全称为“Study of PD-L1 Probody Therapeutic CX-072 in Combination With Other Anticancer Therapy in Adults With Solid Tumors”。研究关注的疾病条件包括实体瘤以及不可切除或转移性黑色素瘤。研究的核心目标是获取 CX-072 联合抗癌治疗在成人实体瘤患者中抗肿瘤效果的证据,并以 RECIST 标准评估的总缓解率作为判断依据。CX-072 属于 PD-L1 Probody 治疗药物,其与其它抗癌疗法联合应用的探索构成了该数据集的主题背景。
【数据内容】
数据集围绕成人实体瘤及不可切除或转移性黑色素瘤患者的研究信息展开,主题标签为实体瘤与不可切除或转移性黑色素瘤。内容涉及 CX-072 联合其他抗癌治疗的抗肿瘤效果评估,评价依据为 RECIST 标准下的总缓解率。数据在站点分类中归入肿瘤 / 皮肤癌类别。除上述研究条件、干预组合与疗效评价方式外,源站未提供更细粒度的数据字段说明。
【采集与来源】
该数据集来源于 clinicaltrials.gov,即由该临床试验注册平台收录的相关研究信息。数据集的英文名称与源站描述均指向同一项关于 CX-072 联合抗癌治疗的临床研究。除来源站为 clinicaltrials.gov 外,源站未提供具体的采集时间、采集方式或更新频率等信息。
【适用场景】
该数据集适用于关注实体瘤与不可切除或转移性黑色素瘤治疗研究的场景,尤其是围绕 PD-L1 Probody 药物 CX-072 与其他抗癌疗法联合应用的抗肿瘤效果评估。由于研究以 RECIST 标准的总缓解率作为主要证据依据,相关数据可用于了解该联合治疗方案在成人实体瘤患者中的疗效评价框架。源站未提供其他具体适用场景的说明。
【使用方法】
源站未提供。
【质量与限制】
源站未提供。
【引用与许可】
源站未提供。
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/NCT03993379
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
条件:实体瘤、不可切除或转移性黑色素瘤。基于实体瘤疗效评价标准(RECIST)的总体缓解率,获取CX-072联合抗癌治疗在成人实体瘤患者中抗肿瘤效应的证据
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。



![在SSTR阳性肿瘤儿科受试者中确定镥[177Lu]依多曲肽治疗剂量并评估药代动力学和安全性的I期试验](/medical-api/medicalDataset/datasetCover/38187.jpg)
