Zimberelimab 联合或不联合 Domvanalimab 治疗可切除 MMRd 胃癌
该数据集来自 clinicaltrials.gov,聚焦可切除的局部晚期胃腺癌及 MSI-H/dMMR 胃或胃食管结合部腺癌,评估 zimberelimab 单药或联合 domvanalimab 的围手术期化疗豁免方案

基本信息
资源简介
Zimberelimab 联合或不联合 Domvanalimab 治疗可切除 MMRd 胃癌
该数据集来自 clinicaltrials.gov,聚焦可切除的局部晚期胃腺癌及 MSI-H/dMMR 胃或胃食管结合部腺癌,评估 zimberelimab 单药或联合 domvanalimab 的围手术期化疗豁免方案。主要终点为手术时病理完全缓解率,并比较两种实验组中更具前景的方案;次要目标涵盖安全性、影像学缓解率、R0 切除率、无进展生存与总生存,以及手术结局。数据可用于免疫治疗疗效预测与围手术期治疗策略研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:局部晚期胃腺癌、MSI-H/dMMR 胃癌、MSI-H/dMMR 胃食管结合部癌。主要目标:本试验的主要目标是评估 zimberelimab 联合或不联合 domvanalimab 作为围手术期治疗用于可切除 MMRd/MSI-H 胃/胃食管结合部腺癌的疗效。一种化疗豁免策略。主要终点是手术时的病理完全缓解率,并确定哪个是最有前景的实验组(zimberelimab 单药 vs zimberelimab 联合 domvanalimab)。次要目标: 评估 zimberelimab 联合或不联合 domvanalimab 在该疾病背景下的安全性和耐受性 进一步评估 zimberelimab 联合或不联合 domvanalimab 在影像学缓解率、R0 切除率、无进展生存期(PFS)和总生存期(OS)方面的疗效 * 评估治疗后的手术结局
【主题与分类】
主题标签:Locally Advanced Gastric Adenocarcinoma、MSI-H/dMMR Gastric Cancer。本站分类:肿瘤/胃癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT06250036
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/NCT06250036
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
适应症:局部晚期胃腺癌、MSI-H/dMMR胃癌、MSI-H/dMMR胃食管结合部癌。
主要目的:本试验的主要目的是评估zimberelimab单药或联合domvanalimab作为围手术期治疗在可切除MMRd/MSI-H胃/胃食管结合部腺癌中的疗效。采用免化疗策略。主要终点是手术时的病理完全缓解率,并确定哪个实验组最具前景(zimberelimab单药 vs zimberelimab联合domvanalimab)。
次要目的:
- 评估zimberelimab±domvanalimab在该疾病背景下的安全性和耐受性
- 进一步评估zimberelimab±domvanalimab的疗效,包括影像学缓解率、R0切除率、无进展生存期(PFS)和总生存期(OS)
- 评估接受zimberelimab±domvanalimab治疗后的手术结局
对组织和血液生物标志物进行转化分析,旨在识别从该免疫联合治疗中获益最大的患者,以及无应答/应答不佳的患者。
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。




