IMC-A12联合Temsirolimus治疗儿童复发或难治性实体瘤的I期研究
该数据集来自clinicaltrials.gov,聚焦儿童复发或难治性实体瘤的I期临床研究,涉及脑干肿瘤、胶质瘤和松果体瘤等病种

基本信息
资源简介
IMC-A12联合Temsirolimus治疗儿童复发或难治性实体瘤的I期研究
该数据集来自clinicaltrials.gov,聚焦儿童复发或难治性实体瘤的I期临床研究,涉及脑干肿瘤、胶质瘤和松果体瘤等病种。研究联合使用IMC-A12(靶向IGF-1R的单克隆抗体)与Temsirolimus(mTOR抑制剂),基于临床前模型中二者协同抗肿瘤的证据。数据可用于探索联合用药的安全性、耐受性及潜在疗效,并分析IGF-1R与mTOR信号通路交互在儿童实体瘤中的作用,为后续临床试验设计提供参考(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:脑干肿瘤、胶质瘤、松果体瘤。背景 IMC-A12是一种全重组IgG1单克隆抗体,靶向胰岛素样生长因子受体(IGFR)。它作为IGF-1和IGF-2配体结合的拮抗剂,阻断配体与IGF-1R的结合,并抑制两条主要胰岛素样生长因子通路的下游信号传导:MAPK和PI3K/AKT。 Temsirolimus是一种mTOR小分子抑制剂,与雷帕霉素和依维莫司一样,与FK506结合蛋白(FKBP)12和mTOR形成复合物,抑制mTOR并导致抗增殖效应,包括G1期细胞周期阻滞和凋亡。 * 抑制mTOR信号传导会导致IGF-1R信号上调,进而激活PI3K/AKT/mTOR通路。儿童临床前模型已证明,联合使用IGF-1R抗体和mTOR抑制剂具有协同抗肿瘤效应。目的
【主题与分类】
主题标签:Brain Stem Neoplasms、Glioma、Pinealoma。本站分类:肿瘤/脑肿瘤。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT01182883
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/NCT01182883
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:脑干肿瘤、胶质瘤、松果体瘤。背景 * IMC-A12是一种全人源重组IgG1单克隆抗体,靶向胰岛素样生长因子受体(IGFR)。它作为IGF-1和IGF-2配体结合的拮抗剂,阻断配体与IGF-1R的结合,并抑制两条主要胰岛素样生长因子通路的下游信号传导:MAPK和PI3K/AKT。 * 替西罗莫司是一种mTOR的小分子抑制剂,与雷帕霉素和依维莫司类似,它与FK506结合蛋白(FKBP)12和mTOR形成复合物,抑制mTOR,从而产生抗增殖效应,包括G1期细胞周期阻滞和细胞凋亡。 * 抑制mTOR信号会导致IGF-1R信号上调,进而激活PI3K/AKT/mTOR通路。儿科临床前模型已证明,联合使用IGF-1R抗体和mTOR抑制剂具有协同抗肿瘤效果。
目标 * 确定IMC-A12(抗胰岛素样生长因子-1受体单克隆抗体)与替西罗莫司联合用药时的最大耐受剂量(MTD)及推荐的II期剂量,给药方式为每周一次静脉输注,联合每周一次静脉输注替西罗莫司,用于难治性实体瘤患儿。 * 明确该联合方案的毒性特征,并表征IMC-A12与替西罗莫司联合用药在该患者群体中的药代动力学。 * 次要目标包括初步确定抗肿瘤活性,评估IMC-A12与替西罗莫司的生物学活性,以及评估儿童复发或难治性实体瘤中IGFR表达及mTOR通路激活的发生率。 入选标准 * 年龄>12个月且≤21岁,经诊断和组织学验证(除外固有脑干肿瘤、视路胶质瘤或松果体肿瘤,以及血清或脑脊液甲胎蛋白或β-HCG升高者)患有可测量或可评估的复发或难治性实体瘤。当前疾病状态必须是尚无已知
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。




