177Lu-DOTA-SNA040的IIT研究

Name: 177Lu-DOTA-SNA040的IIT研究
Creator: SmartNuclide Biopharma

条件：晚期实体瘤（如胃癌）、晚期实体瘤（如胃食管结合部腺癌）、晚期实体瘤（如胰腺癌）、晚期实体瘤（如胆管癌）。68Ga-NODAGA-SNA014肿瘤摄取阴性的患者将在随访一周以观察不良事件后退出研究

SmartNuclide Biopharma

clinicaltrials

医学影像晚期实体瘤胃癌胃食管结合部腺癌胰腺癌胆管癌剂量递增

基本信息

模态

医学影像

创建/更新时间

2026-10-12

资源简介

177Lu-DOTA-SNA040的IIT研究

A IIT Study of 177Lu-DOTA-SNA040 是一项由研究者发起的临床试验数据集，聚焦于晚期实体瘤（如胃癌）的放射性核素治疗研究。该数据集来源于 clinicaltrials.gov，本站将其归类于肿瘤 / 胃癌方向。研究涉及的条件包括晚期实体瘤（如胃癌）、晚期实体瘤（如胃食管结合部腺癌）、晚期实体瘤（如胰腺癌）以及晚期实体瘤（如胆管癌）。研究采用 68Ga-NODAGA-SNA014 PET/CT 成像进行患者筛选，肿瘤摄取阳性者进入 177Lu-DOTA-SNA040 剂量递增研究，阴性者则在随访一周观察不良事件后退出。该数据集为探索放射性核素标记药物在晚期实体瘤中的剂量递增方案提供了结构化的临床研究信息。

【数据集背景】

该数据集所对应的研究为一项 IIT（研究者发起的临床试验），旨在评估 177Lu-DOTA-SNA040 在晚期实体瘤患者中的剂量递增方案。研究关注的条件涵盖多种晚期实体瘤，包括胃癌、胃食管结合部腺癌、胰腺癌和胆管癌。这些肿瘤类型通常预后较差，传统治疗手段有限，因此探索新型放射性核素治疗策略具有重要的临床意义。研究采用 68Ga-NODAGA-SNA014 PET/CT 成像作为筛选工具，通过评估肿瘤对示踪剂的摄取情况来筛选可能从 177Lu-DOTA-SNA040 治疗中获益的患者。这一设计体现了精准医学理念在放射性核素治疗领域的应用。

【数据内容】

数据集包含与上述临床试验相关的结构化信息。根据源站描述，研究条件涉及晚期实体瘤（如胃癌）、晚期实体瘤（如胃食管结合部腺癌）、晚期实体瘤（如胰腺癌）以及晚期实体瘤（如胆管癌）。研究流程包括：合格受试者首先接受 68Ga-NODAGA-SNA014 PET/CT 成像；肿瘤摄取阴性的患者将在随访一周以观察不良事件后退出研究；肿瘤摄取阳性（SUVmax ≥10）的患者则进入后续的 177Lu-DOTA-SNA040 剂量递增研究，且 68Ga-NODAGA-SNA014 成像与 177Lu-DOTA-SNA040 治疗之间至少间隔 2 天。在完成第一个周期的给药以进行 DLT 观察后，可进行后续 2-6 个周期的 177Lu-DOTA-SNA040 治疗。对于剂量组 1，后续 2-6 个周期的 177Lu-DOTA-SNA040 治疗的具体安排，源站描述在此处中断，未提供完整信息。

【采集与来源】

该数据集的来源站为 clinicaltrials.gov，这是一个国际公认的临床试验注册与结果信息平台。数据集英文名称为 A IIT Study of 177Lu-DOTA-SNA040。本站分类为肿瘤 / 胃癌。主题标签包括 Advanced Solid Tumors (Such as Gastric Cancer)、Advanced Solid Tumors (Such as Adenocarcinoma at the Gastroesophageal Junction)、Advanced Solid Tumors (Such as Pancreatic Cancer) 以及 Advanced Solid Tumors (Such as Cholangiocarcinoma) 等。关于数据采集的具体时间范围、采集方法、样本量、数据格式等详细信息，源站未提供。

【适用场景】

该数据集适用于与晚期实体瘤放射性核素治疗相关的研究场景，尤其是涉及 177Lu-DOTA-SNA040 剂量递增方案的研究。具体适用方向包括：胃癌、胃食管结合部腺癌、胰腺癌、胆管癌等晚期实体瘤的治疗探索；68Ga-NODAGA-SNA014 PET/CT 成像在患者筛选中的应用；放射性核素标记药物的剂量递增研究设计；以及 DLT 观察和后续周期治疗方案的参考。此外，该数据集也可用于了解研究者发起的临床试验在肿瘤学领域的设计思路和实施流程。

【使用方法】

根据源站描述，该研究的使用流程如下：合格受试者首先接受 68Ga-NODAGA-SNA014 PET/CT 成像。肿瘤摄取阴性的患者将在随访一周以观察不良事件后退出研究。肿瘤摄取阳性（SUVmax ≥10）的患者将进入后续的 177Lu-DOTA-SNA040 剂量递增研究，且 68Ga-NODAGA-SNA014 成像与 177Lu-DOTA-SNA040 治疗之间至少间隔 2 天。在完成第一个周期的给药以进行 DLT 观察后，可进行后续 2-6 个周期的 177Lu-DOTA-SNA040 治疗。对于剂量组 1，后续 2-6 个周期的 177Lu-DOTA-SNA040 治疗的具体安排，源站描述未完整提供。关于数据的具体访问方式、使用权限、操作指南等，源站未提供。

【质量与限制】

该数据集的信息来源于 clinicaltrials.gov 的源站描述，内容涉及研究条件、筛选流程、治疗周期等关键要素。然而，源站描述在剂量组 1 的后续治疗安排处中断，未提供完整信息。此外，关于数据集的样本量、数据完整性、随访时长、统计分析方法、不良事件详细记录等质量相关指标，源站未提供。该数据集可能受限于临床试验注册信息的固有特点，如信息更新滞后、部分结果未公开等。使用者应注意这些限制，并结合其他来源进行综合评估。

【引用与许可】

该数据集的来源站为 clinicaltrials.gov。关于具体的引用格式、许可协议、使用条款、数据共享政策等信息，源站未提供。使用者应直接访问 clinicaltrials.gov 获取相关研究的官方注册信息，并遵循该平台的使用规定。

原始链接

https://clinicaltrials.gov/study/NCT07595237

访问原始数据

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付，我们提供全链路闭环服务，让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持？联系我们获取定制方案。

帮我联系

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/NCT07595237

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。

数据说明

条件：晚期实体瘤（如胃癌）、晚期实体瘤（如胃食管结合部腺癌）、晚期实体瘤（如胰腺癌）、晚期实体瘤（如胆管癌）。符合条件的受试者应首先接受68Ga-NODAGA-SNA014 PET/CT显像。68Ga-NODAGA-SNA014肿瘤摄取阴性的患者将在随访一周以观察不良事件后退出研究。68Ga-NODAGA-SNA014肿瘤摄取阳性（SUVmax ≥10）的患者将进入后续177Lu-DOTA-SNA040剂量递增研究（68Ga-NODAGA-SNA014显像与177Lu-DOTA-SNA040治疗之间至少间隔2天）。在完成第一周期给药以进行DLT观察后，可进行后续2-6个周期的177Lu-DOTA-SNA040治疗。对于剂量组1，后续2-6个周期的177Lu-DOTA-SNA040给药活度将由研究者确定，每周期剂量可调整。对于剂量组2-4，177Lu-DOTA-SNA040给药活度将遵循固定的原剂量（例如，剂量组2的第一周期剂量为100 mCi，后续2-6个周期固定为100 mCi）。

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