REGN2810用于儿童复发难治性实体瘤或中枢神经系统肿瘤及联合放疗治疗儿童新诊断或复发性胶质瘤的安全性与有效性
该数据集来自clinicaltrials.gov，聚焦REGN2810（cemiplimab）在儿童肿瘤患者中的安全性与有效性研究
基本信息
资源简介
REGN2810用于儿童复发难治性实体瘤或中枢神经系统肿瘤及联合放疗治疗儿童新诊断或复发性胶质瘤的安全性与有效性
该数据集来自clinicaltrials.gov，聚焦REGN2810（cemiplimab）在儿童肿瘤患者中的安全性与有效性研究。覆盖复发或难治性实体瘤及中枢神经系统肿瘤，以及新诊断或复发性胶质瘤（含弥漫内生性脑桥胶质瘤、高级别胶质瘤）。研究分两阶段：1期确认儿童复发或难治性实体瘤或中枢神经系统肿瘤的推荐2期剂量并表征药代动力学；2期评估REGN2810联合常规分割或大分割放疗在新诊断弥漫内生性脑桥胶质瘤等患者中的安全性与推荐2期剂量。可用于儿童肿瘤免疫治疗与放疗联合方案的剂量探索及安全性预测研究（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：条件：复发实体瘤、难治性实体瘤、复发中枢神经系统肿瘤、难治性中枢神经系统肿瘤、弥漫内生性脑桥胶质瘤、高级别胶质瘤。1期： 确认REGN2810（cemiplimab）用于复发或难治性实体瘤或中枢神经系统（CNS）肿瘤儿童的推荐2期剂量（RP2D）及安全性 表征REGN2810在复发或难治性实体瘤或CNS肿瘤儿童中给药后的药代动力学（PK） 2期（疗效期）： 确认REGN2810与常规分割或大分割放疗联合用于新诊断弥漫内生性脑桥胶质瘤（DIPG）患者的安全性与预期RP2D 确认REGN2810与常规分割或大分割放疗联合用于
【主题与分类】
主题标签：Relapsed Solid Tumor、Refractory Solid Tumor、Relapsed Central Nervous System Tumor、Refractory Central Nervous System Tumor、Diffuse Intrinsic Pontine Glioma、High Grade Glioma。本站分类：肿瘤/脑肿瘤。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT03690869
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/NCT03690869
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：复发性实体瘤、难治性实体瘤、复发性中枢神经系统肿瘤、难治性中枢神经系统肿瘤、弥漫性内生性脑桥胶质瘤、高级别胶质瘤。
第一阶段：* 确定REG N2810（cemip limab）用于复发或难治性实体瘤或中枢神经系统（CNS）肿瘤儿童患者的安全性和预期推荐的2期剂量（RP2D）* 表征REG N2810在复发或难治性实体瘤或CNS肿瘤儿童患者中给药后的药代动力学（PK）特征 第二阶段（疗效阶段）：* 确定REG N2810与常规分割或大分割放疗联合用于新诊断弥漫性内生性脑桥胶质瘤（DIPG）患者时的安全性和预期RP2D * 确定REG N2810与常规分割或大分割放疗联合用于新诊断高级别胶质瘤（HGG）患者时的安全性和预期RP2D * 确定REG N2810与再程放疗联合用于复发HGG患者时的安全性和预期RP2D * 评估REG N2810与新诊断DIPG、新诊断HGG或复发HGG儿科患者放疗联合给药时的PK * 评估REG N2810联合放疗在提高新诊断
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。
需要用于商业化训练或医疗器械注册（NMPA/FDA）？
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托三甲直采网络，提供合规、去标识化、支持注册级质控的专病数据集交易服务。
