子研究02A:帕博利珠单抗联合研究性药物治疗程序性细胞死亡1(PD-1)难治性黑色素瘤的安全性和有效性(MK-3475-02A/KEYMAKER-U02)
该数据集来自clinicaltrials.gov,属于肿瘤/皮肤癌分类,聚焦PD-1难治性黑色素瘤。子研究02A是评估黑色素瘤实验性治疗的大型伞式研究的一部分,旨在评价不同研究性治疗臂在PD-1难治性黑色素瘤受试者中的安全性与有效性,以识别联合用药后优于当前治疗方案或历史对照的研究药物

基本信息
资源简介
子研究02A:帕博利珠单抗联合研究性药物治疗程序性细胞死亡1(PD-1)难治性黑色素瘤的安全性和有效性(MK-3475-02A/KEYMAKER-U02)
该数据集来自clinicaltrials.gov,属于肿瘤/皮肤癌分类,聚焦PD-1难治性黑色素瘤。子研究02A是评估黑色素瘤实验性治疗的大型伞式研究的一部分,旨在评价不同研究性治疗臂在PD-1难治性黑色素瘤受试者中的安全性与有效性,以识别联合用药后优于当前治疗方案或历史对照的研究药物。截至2022年1月5日生效的第4次修订,第三臂(pembrolizumab联合全反式维甲酸ATRA)已开放入组;前两臂(pembrolizumab联合quavonlimab与vibostolimab、pembrolizumab联合quavonlimab与lenvatinib)已于2021年9月按方案完成入组(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。子研究02A是一项更大研究的一部分,该更大研究正在测试针对黑色素瘤(一种皮肤癌)的实验性治疗。该更大研究为伞式研究。子研究02A的目标是评估研究性治疗臂在PD-1难治性黑色素瘤受试者中的安全性与有效性,以识别联合使用时优于当前可用治疗方案/历史对照的研究药物。截至第4次修订(生效日期:2022年1月5日),第三臂已开放受试者入组,治疗为pembrolizumab联合全反式维甲酸(ATRA)。截至2021年9月,前两臂——pembrolizumab联合quavonlimab与vibostolimab治疗,以及pembrolizumab联合quavonlimab与lenvatinib治疗——已按方案完成入组。
【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/NCT04305041
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/NCT04305041
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:黑色素瘤。子研究02A是一项更大规模研究的一部分,该研究正在测试针对黑色素瘤(一种皮肤癌)的实验性治疗。这项更大规模的研究是伞式研究。子研究02A的目标是评估研究性治疗组在PD-1难治性黑色素瘤受试者中的安全性和有效性,以确定联合使用时优于当前可用治疗选择/历史对照的研究性药物。截至修正案4(生效日期:2022年1月5日),已开放第三组受试者入组,即帕博利珠单抗与全反式维甲酸(ATRA)联合治疗。截至2021年9月,前两组的入组已按方案完成,分别为帕博利珠单抗+quavonlimab+ vibostolimab治疗和帕博利珠单抗+ quavonlimab +仑伐替尼治疗。
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。




