Acasunlimab单药及联合帕博利珠单抗治疗经获批检查点抑制剂治疗后复发的晚期皮肤黑色素瘤的有效性和安全性研究(ABBIL1TY MELANOMA-07)
该数据集来自 clinicaltrials.gov,属于肿瘤/皮肤癌领域,聚焦经获批检查点抑制剂治疗后复发或难治的晚期皮肤黑色素瘤

基本信息
资源简介
Acasunlimab单药及联合帕博利珠单抗治疗经获批检查点抑制剂治疗后复发的晚期皮肤黑色素瘤的有效性和安全性研究(ABBIL1TY MELANOMA-07)
该数据集来自 clinicaltrials.gov,属于肿瘤/皮肤癌领域,聚焦经获批检查点抑制剂治疗后复发或难治的晚期皮肤黑色素瘤。覆盖局部晚期不可切除(IIIB、IIIC 或 IIID 期)及转移性(IV 期)皮肤黑色素瘤人群。研究为 2 期、随机、开放标签、多中心试验,评估 acasunlimab 单药及联合 pembrolizumab 在成人受试者中的有效性与安全性,受试者按 1:1 随机接受联合治疗或单药治疗。可用于了解该人群的治疗方案设计、疗效与安全性评估框架(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:皮肤黑色素瘤,复发/难治性,局部晚期不可切除黑色素瘤(IIIB、IIIC 或 IIID 期),转移性皮肤黑色素瘤(IV 期)。这是一项 2 期、随机、开放标签、多中心试验,评估 acasunlimab 作为单药以及与 pembrolizumab 联合用于成人受试者的有效性和安全性,这些受试者患有复发/难治性、不可切除的局部晚期或转移性皮肤黑色素瘤,且在既往含检查点抑制剂(CPI)治疗后出现进展。受试者将按 1:1 比例随机接受 acasunlimab 联合 pembrolizumab 或 acasunlimab 单药治疗。符合条件的受试者必须已接受至少 2 个周期的获批抗程序性细胞死亡蛋白 1(PD-1)治疗。肿瘤携带 B-Raf 原癌基因、丝氨酸/苏氨酸激酶(BRAF)V600 突变的受试者符合该试验的入组条件
【主题与分类】
主题标签:Cutaneous Melanoma、Metastatic Cutaneous Melanoma (Stage IV)。本站分类:肿瘤/皮肤癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT06984328
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/NCT06984328
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:复发/难治性皮肤黑色素瘤、局部晚期不可切除黑色素瘤(IIIB、IIIC或IIID期)、转移性皮肤黑色素瘤(IV期)。这是一项2期、随机、开放标签、多中心试验,评估acasunlimab单药治疗以及与pembrolizumab联合治疗在成人受试者中的有效性和安全性;这些受试者患有复发/难治性、不可切除的局部晚期或转移性皮肤黑色素瘤,且在既往含检查点抑制剂(CPI)治疗期间或之后出现疾病进展。受试者将按1:1比例随机分配,接受acasunlimab联合pembrolizumab或acasunlimab单药治疗。合格受试者必须至少接受过2个周期的获批的含抗程序性细胞死亡蛋白1(PD-1)治疗。若受试者肿瘤携带B-Raf原癌基因、丝氨酸/苏氨酸激酶(BRAF)V600突变,且在入组本试验前接受过BRAF靶向治疗(联合或不联合丝裂原活化蛋白激酶[MEK]抑制剂),则有资格参加本试验,除非研究者认为BRAF靶向治疗无临床指征。
BRAF V600 突变状态必须通过本地评估确定并记录。
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。




