复发恶性胶质瘤化疗与靶向治疗结局综合分析
该数据集来自 clinicaltrials.gov,聚焦复发恶性胶质瘤、胶质母细胞瘤、间变性星形细胞瘤及多形性黄色星形细胞瘤,覆盖成人最常见且侵袭性最强的原发性恶性脑肿瘤

基本信息
资源简介
复发恶性胶质瘤化疗与靶向治疗结局综合分析
该数据集来自 clinicaltrials.gov,聚焦复发恶性胶质瘤、胶质母细胞瘤、间变性星形细胞瘤及多形性黄色星形细胞瘤,覆盖成人最常见且侵袭性最强的原发性恶性脑肿瘤。源站描述指出,尽管采用多模式治疗,高级别胶质瘤患者预后仍差,绝大多数最终出现疾病进展或复发;复发后治疗选择有限且疗效有限,复发胶质母细胞瘤的 PFS 和 OS 以月计,间变性星形细胞瘤(WHO 3-4 级)二线治疗后这些结局同样不超过一年。该数据可用于分析复发胶质瘤序贯治疗的真实世界数据(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:复发恶性胶质瘤、胶质母细胞瘤、间变性星形细胞瘤、多形性黄色星形细胞瘤。恶性胶质瘤是成人中最常见且最具侵袭性的原发性恶性脑肿瘤类别。尽管采用多模式治疗方法,高级别胶质瘤患者的预后仍然很差,绝大多数最终出现疾病进展或复发。一旦复发,治疗选择变得有限且疗效有限。在复发胶质母细胞瘤中,无进展生存期(PFS)和总生存期(OS)以月计,而在间变性星形细胞瘤(WHO 3-4 级)中,二线治疗后这些结局同样不超过一年。尽管已有大量临床试验在选定人群中研究了特定药物,但关于复发胶质瘤序贯治疗的真实世界数据(RWD)……
【主题与分类】
主题标签:Recurrent Malignant Glioma、Glioblastoma、Anaplastic Astrocytoma、Pleomorphic Xanthoastrocytoma。本站分类:肿瘤/脑肿瘤。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07448480
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/NCT07448480
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
疾病类型:复发性恶性胶质瘤、胶质母细胞瘤、间变性星形细胞瘤、多形性黄色星形细胞瘤。恶性胶质瘤是成人中最常见且最具侵袭性的原发性恶性脑肿瘤。尽管采用多模式治疗方法,高级别胶质瘤患者的预后仍然较差,绝大多数患者最终会出现疾病进展或复发。一旦复发,治疗选择变得有限且疗效甚微。在复发性胶质母细胞瘤中,无进展生存期(PFS)和总生存期(OS)以月为单位计算,而在间变性星形细胞瘤(WHO 3-4级)中,这些结局同样在二线治疗后的生存时间不超过一年。尽管已有大量临床试验在特定人群中研究了特定药物,但关于复发性胶质瘤跨多线治疗的序贯治疗的真实世界数据(RWD)仍然匮乏。从设计上看,这些研究往往纳入经过高度筛选的患者,可能无法完全代表常规临床实践中遇到的异质性、经重度预处理的患者群体。
因此,不同化疗方案——包括含贝伐珠单抗的方案(例如联合伊立替康)、亚硝基脲类和铂类化合物——在二线、三线及后续治疗中序贯使用时的比较有效性尚未充分确立。对于携带BRAF突变的罕见患者亚群,采用BRAF±MEK抑制剂进行靶向治疗可能是一种额外选择,尽管在复发情境下的真实世界证据仍然有限。目前尤其缺乏关于这些序贯治疗对长期结局(如总生存期和无进展生存期)在多个治疗阶段中累积影响的大规模真实世界证据。GLIOTARG试验旨在填补这一证据空白。这项大型、单中心、回顾性与前瞻性观察性队列研究旨在对约
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。




