DIPG个体化治疗方案的分子谱分析

该数据集来自clinicaltrials.gov,聚焦弥漫性内生型脑桥胶质瘤(DIPG)的个体化治疗研究。研究基于患者肿瘤的分子谱(基因表达分析、全外显子测序和预测建模)、年龄及其他医疗状况,为初诊患者推荐最多包含四种FDA批准药物的个体化治疗方案

University of California, San FranciscoUniversity of California, San Francisco
clinicaltrials
浏览 13
基因组预测Diffuse Intrinsic Pontine Glioma (DIPG)
Molecular Profiling for Individualized Treatment Plan for DIPG

基本信息

模态
基因组
任务类型
预测
创建/更新时间
2026-10-10

资源简介

DIPG个体化治疗方案的分子谱分析

该数据集来自clinicaltrials.gov,聚焦弥漫性内生型脑桥胶质瘤(DIPG)的个体化治疗研究。研究基于患者肿瘤的分子谱(基因表达分析、全外显子测序和预测建模)、年龄及其他医疗状况,为初诊患者推荐最多包含四种FDA批准药物的个体化治疗方案。初始治疗为按机构指南的标准放疗,随后进行基于分子的FDA批准药物治疗。研究通过比较12个月总生存期(OS12)与历史对照,评估患者能否从该治疗策略中获得临床获益。数据可用于DIPG的分子特征分析、治疗反应预测及生存分析等研究(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):条件:弥漫性内生型脑桥胶质瘤(DIPG)。本研究将通过比较12个月总生存期(OS12)与历史对照,检验患者是否能从这种治疗方法中获得临床获益。新诊断的患者将根据其肿瘤的分子谱(由基因表达分析、全外显子测序(WES)和预测建模确定)、患者年龄及其他现有医疗状况,接受包含最多四种FDA批准药物的个体化治疗推荐。初始治疗将包括按照机构指南进行的标准放疗,随后进行基于分子的FDA批准药物治疗。

【主题与分类】

主题标签:Diffuse Intrinsic Pontine Glioma (DIPG)。本站分类:肿瘤/脑肿瘤。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT02274987

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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/NCT02274987

标准获取流程:

  1. 访问源站链接,注册/登录账号;
  2. 进入数据集详情页,按页面指引申请权限或直接下载;
  3. 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。

数据说明

疾病:弥漫性内生性脑桥胶质瘤(DIPG)。当前研究将通过比较12个月总生存期(OS12)与历史对照,来测试患者是否能从这种治疗方法中获得临床获益。新诊断的患者将根据其肿瘤的分子特征(通过基因表达分析、全外显子组测序(WES)和预测建模确定)、患者年龄及其他现有医疗状况,接受个体化治疗建议,包括最多四种FDA批准的药物。初始治疗将包括按照机构指南进行的标准放射治疗,随后是基于分子的FDA批准药物疗法。

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。

获取专属数据定制方案