复发胶质瘤放射栓塞安全性与有效性先导临床试验
PRECISE 研究测试选择性内放射治疗(SIRT/TARE/放射栓塞)对复发性或进展性胶质母细胞瘤是否安全有效。该病为成人最具侵袭性脑肿瘤,包括复发性胶质母细胞瘤 IDH 野生型

基本信息
资源简介
复发胶质瘤放射栓塞安全性与有效性先导临床试验
PRECISE 研究测试选择性内放射治疗(SIRT/TARE/放射栓塞)对复发性或进展性胶质母细胞瘤是否安全有效。该病为成人最具侵袭性脑肿瘤,包括复发性胶质母细胞瘤 IDH 野生型。治疗将小放射性珠子 SIR-Spheres® 直接送入肿瘤供血血管,选择性损伤癌细胞并保护健康组织,评估能否缩小肿瘤或减缓生长。参与者先评估、规划,再治疗并随访扫描,专科医生监测安全。该研究可能是标准治疗失败后胶质瘤患者新选择的第一步(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:复发性胶质母细胞瘤 IDH 野生型、复发性胶质母细胞瘤。本研究正在测试一种治疗成人最具侵袭性脑肿瘤——胶质母细胞瘤——患者的新方法。它将确定一种称为选择性内放射治疗(SIRT)(也称为经动脉放射性栓塞术(TARE)或放射性栓塞术)的治疗对复发性或进展性胶质母细胞瘤患者是否安全有效。将小型放射性微球(SIR-Spheres®)直接注入为肿瘤供血的血管中。这旨在选择性地损伤癌细胞,同时保护健康组织。PRECISE 将研究 SIRT 是否能缩小肿瘤体积或减缓其生长。参与者将接受详细评估,以确认他们适合接受该治疗。入选者将接受一项计划性操作,以绘制为肿瘤供血的血管分布图,随后接受 SIRT 治疗。参与者还将在操作后接受扫描和医学随访,以监测其状况以及治疗是否有效。参与者的安全性将由一个专科医生团队密切监测。本研究可能代表朝着为胶质瘤患者提供一种新治疗选择迈出的第一步,这些患者目前一旦标准治疗失败,可用的替代方案极少。
【主题与分类】
主题标签:Recurrent Glioblastoma IDH Wildtype、Recurrent Glioblastoma。本站分类:肿瘤/脑肿瘤。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07712770
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/NCT07712770
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:复发性胶质母细胞瘤 IDH 野生型、复发性胶质母细胞瘤。本研究正在测试一种治疗成人最具侵袭性脑肿瘤——胶质母细胞瘤——患者的新方法。它将确定一种称为选择性内放射治疗(SIRT)(也称为经动脉放射性栓塞术(TARE)或放射性栓塞术)的治疗对复发性或进展性胶质母细胞瘤患者是否安全有效。将小型放射性微球(SIR-Spheres®)直接注入为肿瘤供血的血管中。这旨在选择性地损伤癌细胞,同时保护健康组织。PRECISE 将研究 SIRT 是否能缩小肿瘤体积或减缓其生长。参与者将接受详细评估,以确认他们适合接受该治疗。入选者将接受一项计划性操作,以绘制为肿瘤供血的血管分布图,随后接受 SIRT 治疗。参与者还将在操作后接受扫描和医学随访,以监测其状况以及治疗是否有效。参与者的安全性将由一个专科医生团队密切监测。本研究可能代表朝着为胶质瘤患者提供一种新治疗选择迈出的第一步,这些患者目前一旦标准治疗失败,可用的替代方案极少。
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。




