Ibrutinib联合Indoximod治疗儿童脑癌的化学免疫治疗数据集
该数据集来自clinicaltrials.gov,聚焦儿童原发性脑肿瘤(包括室管膜瘤、髓母细胞瘤、胶质母细胞瘤)的化学免疫治疗研究

基本信息
资源简介
Ibrutinib联合Indoximod治疗儿童脑癌的化学免疫治疗数据集
该数据集来自clinicaltrials.gov,聚焦儿童原发性脑肿瘤(包括室管膜瘤、髓母细胞瘤、胶质母细胞瘤)的化学免疫治疗研究。源站描述指出,IDO与BTK在肿瘤相关抗原呈递细胞中形成紧密关联的代谢检查点,GCC2020研究假设在化疗期间联合使用BTK抑制剂ibrutinib与IDO抑制剂indoximod可协同增强抗肿瘤免疫应答,改善临床反应且重叠毒性可控。该试验为前瞻性开放标签1期试验,旨在确定ibrutinib与既往研究过的化学免疫治疗方案(indoximod联合口服姑息化疗)联用的最佳安全剂量,受试者年龄6至25岁。数据可用于脑肿瘤免疫治疗相关研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:室管膜瘤、髓母细胞瘤、胶质母细胞瘤、原发性脑肿瘤。近期基于实验室的发现表明,IDO(吲哚胺2,3-双加氧酶)和BTK(布鲁顿酪氨酸激酶)在肿瘤相关抗原呈递细胞中形成紧密关联的代谢检查点。GCC2020研究的核心临床假设是,在化疗期间将ibrutinib(BTK抑制剂)与indoximod(IDO抑制剂)联合使用,将协同增强抗肿瘤免疫应答,从而改善临床反应且重叠毒性可控。GCC2020试验是一项前瞻性开放标签1期试验,旨在确定BTK抑制剂ibrutinib与先前研究过的化学免疫治疗方案(由研究性IDO抑制剂indoximod加口服姑息化疗组成)联合使用时的最佳安全剂量,受试者年龄为6至25岁,患有复发性
【主题与分类】
主题标签:Ependymoma、Medulloblastoma、Glioblastoma、Primary Brain Tumor。本站分类:肿瘤/脑肿瘤。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT05106296
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/NCT05106296
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:室管膜瘤、髓母细胞瘤、胶质母细胞瘤、原发性脑肿瘤。近期基于实验室的发现表明,IDO(吲哚胺2,3-双加氧酶)和BTK(布鲁顿酪氨酸激酶)在肿瘤相关抗原呈递细胞中形成一个紧密关联的代谢检查点。GCC2020研究的核心临床假设是:在化疗期间将依鲁替尼(BTK抑制剂)与吲哚昔莫德(IDO抑制剂)联合使用,将协同增强抗肿瘤免疫应答,从而改善临床缓解,且重叠毒性可控。GCC2020试验是一项前瞻性开放标签1期试验,旨在确定BTK抑制剂依鲁替尼与既往研究过的化学免疫治疗方案联合使用时的最佳安全剂量,该方案由研究性IDO抑制剂吲哚昔莫德加口服姑息性化疗组成,受试者为6至25岁、患有复发性或难治性原发性脑癌的患者。既往接受过基于吲哚昔莫德治疗的患者可能符合条件,包括既往通过2期吲哚昔莫德研究(GCC1949,NCT04049669)、现已关闭的1期研究(NLG2105,NCT02502708)或任何扩展可及(同情用药)方案接受过治疗者。
伊布替尼将与吲哚昔莫德联合口服环磷酰胺和依托泊苷(方案A)或吲哚昔莫德联合口服替莫唑胺(方案B)联合使用。这两种方案之间不允许交叉。剂量递增队列将确定伊布替尼在每种方案中的最佳安全剂量。随后将进行扩展队列,使用每种方案中伊布替尼的最佳安全剂量,以评估初步疗效证据。
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。




