I期试点研究:评估S-Gboxin在胶质母细胞瘤/弥漫性中线胶质瘤标准治疗中的抗胶质母细胞瘤作用及治疗反应(无论突变状态)
本试点研究评估在胶质母细胞瘤或胶质瘤标准治疗中加入线粒体氧化磷酸化抑制剂S-Gboxin的疗效。患者每日两次口服S-gboxin,第3、7、15天评估耐受与生命状态

基本信息
资源简介
I期试点研究:评估S-Gboxin在胶质母细胞瘤/弥漫性中线胶质瘤标准治疗中的抗胶质母细胞瘤作用及治疗反应(无论突变状态)
本试点研究评估在胶质母细胞瘤或胶质瘤标准治疗中加入线粒体氧化磷酸化抑制剂S-Gboxin的疗效。患者每日两次口服S-gboxin,第3、7、15天评估耐受与生命状态。治疗前及中多次MRI监测肿瘤反应;基线和多个时间点采集外周血比较治疗反应生物指标,部分以qRT-PCR监测循环肿瘤细胞。评估副作用、无病生存、总生存、抑郁、生活质量、神经认知,完成后随访3个月(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:多形性胶质母细胞瘤、弥漫性中线胶质瘤、H3 K27M突变型、胶质肉瘤、巨细胞胶质母细胞瘤、GBM。这是一项试点研究,旨在评估将线粒体氧化磷酸化(OXPHOS)抑制剂 S-Gboxin 加入多形性胶质母细胞瘤或胶质瘤标准治疗中的疗效。受试者将开始口服 S-Gboxin,每日两次;并将在开始用药后第3、7和15天评估患者及生命状态,以判断其是否耐受该剂量。患者将在治疗前以及参加本临床试验期间多个时间点接受MRI扫描,以监测肿瘤对治疗的早期反应(MRI日期将由临床试验协调员安排)。将在基线以及第1、7、15、28、36、72天采集外周血样本,以比较治疗反应的生物学指标。在某些情况下,将通过实时qRT-PCR监测循环肿瘤细胞(CTCs),并与临床数据进行相关性分析。还将评估患者所经历的副作用。将记录无病生存结局和总生存结局。患者还将在治疗期间和治疗后的多个时间点接受抑郁症状、生活质量和神经认知功能评估。研究完成后,患者将在3个月时接受随访。
【主题与分类】
主题标签:Glioblastoma Multiforme、Diffuse Midline Glioma, H3 K27M-Mutant、Gliosarcoma、Giant Cell Glioblastoma、GBM。本站分类:肿瘤/脑肿瘤。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT06806228
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/NCT06806228
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:多形性胶质母细胞瘤、弥漫性中线胶质瘤、H3 K27M突变型、胶质肉瘤、巨细胞胶质母细胞瘤、GBM。这是一项试点研究,旨在评估将线粒体氧化磷酸化(OXPHOS)抑制剂 S-Gboxin 加入多形性胶质母细胞瘤或胶质瘤标准治疗中的疗效。受试者将开始口服 S-Gboxin,每日两次;并将在开始用药后第3、7和15天评估患者及生命状态,以判断其是否耐受该剂量。患者将在治疗前以及参加本临床试验期间多个时间点接受MRI扫描,以监测肿瘤对治疗的早期反应(MRI日期将由临床试验协调员安排)。将在基线以及第1、7、15、28、36、72天采集外周血样本,以比较治疗反应的生物学指标。在某些情况下,将通过实时qRT-PCR监测循环肿瘤细胞(CTCs),并与临床数据进行相关性分析。还将评估患者所经历的副作用。将记录无病生存结局和总生存结局。患者还将在治疗期间和治疗后的多个时间点接受抑郁症状、生活质量和神经认知功能评估。研究完成后,患者将在3个月时接受随访。
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。




