Irinotecan治疗儿童难治性实体瘤
本数据集来自clinicaltrials.gov，聚焦Irinotecan在儿童难治性中枢神经系统肿瘤或实体瘤中的治疗研究
基本信息
资源简介
Irinotecan治疗儿童难治性实体瘤
本数据集来自clinicaltrials.gov，聚焦Irinotecan在儿童难治性中枢神经系统肿瘤或实体瘤中的治疗研究。覆盖儿童中枢神经系统生殖细胞瘤、脉络丛肿瘤、颅咽管瘤、各级脑膜瘤、幕下室管膜瘤、少突胶质瘤等病种。研究目标包括评估疗效、毒性、药代动力学与药效动力学，并分析患者UGT1A1基因型与毒性及药代动力学参数的关联。数据可用于儿童肿瘤治疗反应预测、药物安全性分析及基因型与药物代谢关联研究（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：条件：儿童中枢神经系统生殖细胞肿瘤、儿童脉络丛肿瘤、儿童颅咽管瘤、儿童I级脑膜瘤、儿童II级脑膜瘤、儿童III级脑膜瘤、儿童幕下室管膜瘤、儿童少突胶质瘤。目标：I. 确定Irinotecan在难治性中枢神经系统或实体瘤儿童中的疗效。II. 评估该方案在该患者人群中的毒性、药代动力学和药效动力学。III. 确定患者UGT1A1基因型，并将基因型与该方案在这些患者中的毒性和药代动力学参数相关联。概述：患者根据实体瘤类型（Ewings/PNET vs 神经母细胞瘤 vs 骨肉瘤 vs 横纹肌肉瘤 vs 除淋巴瘤和脑肿瘤外的其他实体瘤）或脑肿瘤（髓母细胞瘤/PNET vs 脑干胶质瘤 vs 室管膜瘤 vs
【主题与分类】
主题标签：Childhood Choroid Plexus Tumor、Childhood Craniopharyngioma、Childhood Grade I Meningioma、Childhood Grade II Meningioma、Childhood Grade III Meningioma、Childhood Infratentorial Ependymoma、Childhood Oligodendroglioma、Childhood Supratentorial Ependymoma、Recurrent Childhood Cerebral Astrocytoma、Recurrent Childhood Ependymoma。本站分类：肿瘤/脑肿瘤。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT00004078
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/NCT00004078
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：儿童中枢神经系统生殖细胞肿瘤、儿童脉络丛肿瘤、儿童颅咽管瘤、儿童Ⅰ级脑膜瘤、儿童Ⅱ级脑膜瘤、儿童Ⅲ级脑膜瘤、儿童幕下室管膜瘤、儿童少突胶质细胞瘤。目的：I. 确定伊立替康在难治性中枢神经系统肿瘤或实体瘤患儿中的疗效。II. 评估该方案在该患者人群中的毒性、药代动力学和药效学。III. 确定患者UGT1A1基因型，并将基因型与该方案在这些患者中的毒性和药代动力学参数进行相关性分析。方案概要：患者根据实体瘤类型（尤文肉瘤/原始神经外胚层肿瘤 vs 神经母细胞瘤 vs 骨肉瘤 vs 横纹肌肉瘤 vs 其他实体瘤，排除淋巴瘤和脑肿瘤）或脑肿瘤类型（髓母细胞瘤/原始神经外胚层肿瘤 vs 脑干胶质瘤 vs 室管膜瘤 vs 其他中枢神经系统肿瘤）进行分层。患者在第1-5天接受伊立替康静脉输注，输注时间超过60分钟。在无疾病进展或不可接受的毒性的情况下，治疗每3周重复一次，至少进行2个疗程。
患者每6个月随访一次，持续4年，之后每年随访一次，直至死亡或患者参与另一项POG研究。
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。
