IDH1-vac 用于新诊断 IDH1R132H 阳性高级别星形细胞瘤患者
该数据集来自 clinicaltrials.gov,聚焦新诊断的 IDH1R132H 阳性高级别星形细胞瘤患者,涵盖 IDH 突变型 3 级和 4 级星形细胞瘤

基本信息
资源简介
IDH1-vac 用于新诊断 IDH1R132H 阳性高级别星形细胞瘤患者
该数据集来自 clinicaltrials.gov,聚焦新诊断的 IDH1R132H 阳性高级别星形细胞瘤患者,涵盖 IDH 突变型 3 级和 4 级星形细胞瘤。源站描述指出这类肿瘤为弥漫性浸润性原发脑肿瘤,标准治疗包括切除和放疗联合或不联合替莫唑胺化疗,但复发和恶性转化不可避免,目前尚无有效预防措施。数据可用于了解该疾病背景及疫苗干预研究的入组条件,支撑肿瘤免疫治疗相关分析(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:IDH 突变型星形细胞瘤,3 级;IDH 突变型星形细胞瘤,4 级。IDH1 基因突变的星形细胞瘤是年轻人中无法治愈的弥漫性浸润性原发脑肿瘤,中位总生存期(OS)为 4-7 年。导致这种侵袭性生物学行为的一个主要特征是高度侵袭性行为,这使得胶质瘤细胞不仅能够从主肿瘤 mass 主动逃逸到周围组织,还能逃逸到远处正常脑组织。标准治疗(SOC)包括切除和单纯放疗,或联合替莫唑胺(TMZ)化疗,随后进行 6 至 12 个周期的辅助 TMZ 治疗。然而,SOC 后的复发和恶性转化是不可避免的。迄今为止,尚无有效措施预防复发和/或恶性转化。通过刺激……实现有效预防
【主题与分类】
主题标签:Astrocytoma, IDH-Mutant, Grade 3、Astrocytoma, IDH-Mutant, Grade 4。本站分类:肿瘤/脑肿瘤。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07888647
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/NCT07888647
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:星形细胞瘤,IDH突变型,3级;星形细胞瘤,IDH突变型,4级。IDH1基因突变的星形细胞瘤是年轻成人中不可治愈的弥漫性浸润性原发性脑肿瘤,中位总生存期(OS)为4-7年。导致这种侵袭性生物学行为的一个主要特征是高侵袭性行为,这使得胶质瘤细胞能够从主肿瘤团块主动逃逸,不仅侵入周围组织,还侵入远处正常脑组织。标准治疗(SOC)包括切除术和单纯放疗或联合替莫唑胺(TMZ)化疗,随后进行6至12个周期的辅助TMZ治疗。然而,SOC后的复发和恶性转化不可避免。迄今为止,尚无有效措施预防复发和/或恶性转化。通过刺激免疫系统控制转化的肿瘤细胞来实现有效预防,可能使疾病获得长期缓解。最近获批的一种IDH小分子抑制剂在预防IDH突变型低级别胶质瘤的肿瘤生长方面显示出疗效。
该药物尚未获批用于高级别(3级和4级)星形细胞瘤患者。从免疫学角度来看,IDH1R132H代表一种有吸引力的肿瘤抗原,特异性表达于肿瘤细胞而非正常细胞。携带IDH1R132H突变的胶质瘤患者可能具有突变特异性T细胞和抗体,表明IDH1R132H以突变特异性方式被免疫系统特异性呈递和识别。患者人群将通过分子学定义,包括IDH1R132H突变的3级和4级胶质瘤,且不伴1p/19q共缺失,并伴有α-地中海贫血/智力障碍综合征X连锁(ATRX)表达缺失。患者在入组前必须已接受单纯放疗或同步替莫唑胺(TMZ)化疗作为标准治疗(SOC)。在STAR-VACC中,IDH1-vac治疗将在标准治疗基础上从辅助TMZ化疗开始加入。该研究的主要终点
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。




