TQB2916注射液联合化疗或派安普利单抗注射液治疗实体瘤
该数据来自clinicaltrials.gov，为一项关于TQB2916注射液联合化疗或派安普利单抗注射液治疗实体瘤疗效与安全性的临床试验
基本信息
资源简介
TQB2916注射液联合化疗或派安普利单抗注射液治疗实体瘤
该数据集对应一项在实体瘤领域开展的临床试验，英文名称为“TQB2916 Injection Combined With Chemotherapy or Penpulimab Injection in the Treatment of Solid Tumors”，来源站为 clinicaltrials.gov，本站将其归入肿瘤 / 皮肤癌分类。试验关注 TQB2916 注射液联合化疗或派安普利单抗注射液治疗实体瘤的疗效与安全性，涉及软组织肉瘤与黑色素瘤两类疾病。项目分为两个队列，计划共入组 54 名受试者，其中队列 1 探索特定亚型软组织肉瘤的安全性与疗效，队列 2 探索未分化多形性肉瘤与黑色素瘤的安全性与疗效。该数据集的主题标签为 Soft Tissue Sarcoma 与 Melanoma，可为相关研究提供临床试验层面的结构化信息参考。
【数据集背景】
该数据集来源于 clinicaltrials.gov 登记的临床试验项目，研究主题为 TQB2916 注射液联合化疗或派安普利单抗注射液在实体瘤治疗中的应用。所涉疾病条件包括软组织肉瘤与黑色素瘤，本站分类将其归入肿瘤 / 皮肤癌方向。试验的核心目标是评估上述联合治疗方案在实体瘤受试者中的疗效与安全性，并通过分队列设计分别考察不同疾病亚型下的表现。这一背景决定了数据集围绕临床试验设计、受试者分组与治疗方案的疗效安全性评价展开，而非基础实验或真实世界数据。
【数据内容】
数据集所对应的试验项目分为两个队列。队列 1 旨在探索特定亚型软组织肉瘤受试者的安全性与疗效；队列 2 旨在探索未分化多形性肉瘤与黑色素瘤受试者的安全性与疗效。项目计划共入组 54 名受试者。主题标签为软组织肉瘤与黑色素瘤。除上述队列划分、疾病类型与计划入组人数外，源站未提供更细粒度的数据字段说明。
【采集与来源】
数据来源站为 clinicaltrials.gov，属于临床试验注册与信息公示平台。数据集英文名称与源站描述均指向同一项关于 TQB2916 注射液联合化疗或派安普利单抗注射液治疗实体瘤的临床试验。源站描述中列出的疾病条件为软组织肉瘤与黑色素瘤。关于采集时间、采集方式、更新频率等具体信息，源站未提供。
【适用场景】
该数据集可用于了解该临床试验的基本设计框架，包括研究目的、队列划分、疾病类型与计划样本量，适合作为肿瘤领域尤其是软组织肉瘤与黑色素瘤相关临床试验信息的检索与参考材料。也可用于在文献调研、试验筛选或研究选题阶段快速定位与该联合治疗方案相关的注册信息。关于更具体的分析用途与下游应用，源站未提供。
【使用方法】
源站未提供。
【质量与限制】
该数据集的信息来自临床试验注册平台的公开描述，计划入组 54 名受试者属于试验设计层面的计划数字，并非最终结果数据。源站描述未提供疗效与安全性的具体结局指标或统计结果。关于数据完整性、准确性校验及使用限制的进一步说明，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/NCT06500091
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：软组织肉瘤、黑色素瘤。本项目是一项关于TQB2916注射液联合化疗或penpulimab注射液治疗实体瘤的有效性和安全性的临床试验。本项目分为两个队列。队列1旨在探索特定亚型软组织肉瘤在受试者中的安全性和有效性；队列2旨在探索未分化多形性肉瘤和黑色素瘤受试者的安全性和有效性。本项目计划共入组54名受试者。
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。
