SM-1联合替莫唑胺治疗难治性或复发性高级别胶质瘤受试者
本试验针对胶质瘤、胶质母细胞瘤及高级别胶质瘤,评估SM-1联合替莫唑胺治疗成人难治性或复发性高级别胶质瘤的安全性、初步有效性和药代动力学,系统探索剂量,筛选最佳临床剂量方案并监测不良反应

基本信息
资源简介
SM-1联合替莫唑胺治疗难治性或复发性高级别胶质瘤受试者
本试验针对胶质瘤、胶质母细胞瘤及高级别胶质瘤,评估SM-1联合替莫唑胺治疗成人难治性或复发性高级别胶质瘤的安全性、初步有效性和药代动力学,系统探索剂量,筛选最佳临床剂量方案并监测不良反应。将入组患者分入不同梯度剂量组进行剂量递增,联合标准化替莫唑胺治疗,收集全周期安全性数据,初步评价疗效,以确定最佳安全有效剂量并确认推荐II期剂量(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):适应症:胶质瘤、胶质母细胞瘤(GBM)、高级别胶质瘤。本临床试验旨在评估SM-1(Obitrexate Fumarate肠溶微丸胶囊)联合替莫唑胺治疗成人难治性或复发性高级别胶质瘤的安全性、初步有效性和药代动力学特征,并开展系统性剂量探索。核心重点是筛选SM-1的最佳临床剂量方案,充分监测不良反应,并初步观察联合方案的抗肿瘤疗效。其主要拟回答的问题包括: SM-1联合替莫唑胺不同剂量队列在难治性或复发性高级别胶质瘤患者中的安全性和耐受性如何? SM-1在不同剂量水平下的药代动力学特征是什么,能否支持后续临床用药的精准剂量优化? * 优化后的SM-1联合方案能否在难治性或复发性高级别胶质瘤患者中发挥初步抗肿瘤有效性,并确认推荐的II期剂量? 研究者将入组合格患者,将其分配至SM-1不同梯度剂量组进行剂量递增探索,并匹配标准化替莫唑胺联合治疗,全面收集全周期安全性数据,初步评价不同剂量联合方案的临床抗肿瘤疗效,以确定后续大规模临床试验的最佳安全有效治疗剂量。
【主题与分类】
主题标签:Glioma、Glioblastomas (GBM)、High Grade Gliomas。本站分类:肿瘤/脑肿瘤。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07635173
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/NCT07635173
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
适应症:胶质瘤、胶质母细胞瘤(GBM)、高级别胶质瘤。本临床试验旨在评估SM-1(Obitrexate Fumarate肠溶微丸胶囊)联合替莫唑胺治疗成人难治性或复发性高级别胶质瘤的安全性、初步有效性和药代动力学特征,并开展系统性剂量探索。核心重点是筛选SM-1的最佳临床剂量方案,充分监测不良反应,并初步观察联合方案的抗肿瘤疗效。其主要拟回答的问题包括:
- SM-1联合替莫唑胺不同剂量队列在难治性或复发性高级别胶质瘤患者中的安全性和耐受性如何?
- SM-1在不同剂量水平下的药代动力学特征是什么,能否支持后续临床用药的精准剂量优化?
- 优化后的SM-1联合方案能否在难治性或复发性高级别胶质瘤患者中发挥初步抗肿瘤有效性,并确认推荐的II期剂量?
研究者将入组合格患者,将其分配至SM-1不同梯度剂量组进行剂量递增探索,并匹配标准化替莫唑胺联合治疗,全面收集全周期安全性数据,初步评价不同剂量联合方案的临床抗肿瘤疗效,以确定后续大规模临床试验的最佳安全有效治疗剂量。
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。




