9-ING-41 用于儿童难治性恶性肿瘤
该数据集来自 clinicaltrials.gov，聚焦 9-ING-41 在儿童难治性恶性肿瘤中的 Phase 1 研究
基本信息
资源简介
9-ING-41 用于儿童难治性恶性肿瘤
该数据集来自 clinicaltrials.gov，聚焦 9-ING-41 在儿童难治性恶性肿瘤中的 Phase 1 研究。9-ING-41 是一种首创的、静脉给药的、基于马来酰亚胺的小分子、强效选择性 GSK-3β 抑制剂，具有显著的临床前和临床抗癌活性。在正在进行的 Actuate 1801 研究中，超过 90 例晚期难治性恶性肿瘤患者队列显示其无显著毒性，包括无骨髓抑制，并具有显著抗肿瘤活性。该数据覆盖难治性癌症、儿童肿瘤、儿童脑肿瘤、神经母细胞瘤等，可用于评估安全性与疗效（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：条件：难治性癌症、难治性肿瘤、儿童癌症、难治性肿瘤、儿童癌症、儿童脑肿瘤、神经母细胞瘤、复发性神经母细胞瘤。9-ING-41 是一种首创的、静脉给药的、基于马来酰亚胺的小分子、强效选择性 GSK-3β 抑制剂，具有显著的临床前和临床抗癌活性。在正在进行的 Actuate 1801 研究中，超过 90 例晚期难治性恶性肿瘤患者队列中，9-ING-41 未表现出显著毒性，包括无骨髓抑制，并具有显著抗肿瘤活性。9-ING-41 在多种肺和胸膜纤维化模型中还具有显著的逆转病理性纤维化的临床前能力。9-ING-41 在多种临床前模型中对神经母细胞瘤具有非常高的活性。这项 Phase 1 研究旨在评估 9-ING-41 作为单药或
【主题与分类】
主题标签：Refractory Cancer、Refractory Neoplasm、Cancer Pediatric、Refractory Tumor、Pediatric Cancer、Pediatric Brain Tumor、Neuroblastoma、Neuroblastoma Recurrent、Pediatric Lymphoma、Pediatric Meningioma。本站分类：肿瘤/脑肿瘤。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT04239092
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/NCT04239092
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：难治性癌症、难治性肿瘤、儿童癌症、难治性肿瘤、儿童癌症、儿童脑肿瘤、神经母细胞瘤、复发性神经母细胞瘤。9-ING-41是一种首创的、静脉给药的、基于马来酰亚胺的小分子、强效选择性GSK-3β抑制剂，具有显著的临床前和临床抗癌活性。在正在进行的Actuate 1801研究中，超过90名晚期难治性恶性肿瘤患者组成的队列中，9-ING-41未表现出显著毒性，包括无骨髓抑制，并具有显著的抗肿瘤活性。9-ING-41在多种肺纤维化和胸膜纤维化模型中还显示出显著的逆转病理性纤维化的临床前能力。在多种临床前模型中，9-ING-41对神经母细胞瘤具有极高的活性。这项1期研究旨在评估9-ING-41作为单药或与伊立替康联合用药在晚期恶性肿瘤儿科患者中的安全性和有效性，从而为后续儿科患者研究确定推荐的2期剂量（RP2D）。
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。
需要用于商业化训练或医疗器械注册（NMPA/FDA）？
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托三甲直采网络，提供合规、去标识化、支持注册级质控的专病数据集交易服务。
