Olutasidenib联合替莫唑胺治疗高级别胶质瘤的研究
一项多中心国际II期研究，评估放疗后olutasidenib治疗新诊断IDH1突变高级别胶质瘤的儿童及年轻成人。设可行性队列，确定完成局灶放疗后与替莫唑胺联合维持治疗的可行剂量
基本信息
资源简介
Olutasidenib联合替莫唑胺治疗高级别胶质瘤的研究
一项多中心国际II期研究，评估放疗后olutasidenib治疗新诊断IDH1突变高级别胶质瘤的儿童及年轻成人。设可行性队列，确定完成局灶放疗后与替莫唑胺联合维持治疗的可行剂量。疗效以放疗后接受该药联合替莫唑胺维持13周期、继以该药单药13周期者的无进展生存期分布，与分子分层匹配历史对照比较来定义；并评估影像学缓解率、毒性及药代/药效学（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：疾病：高级别胶质瘤、星形细胞瘤、星形细胞瘤，III级、星形细胞瘤，IV级、弥漫性内生性脑桥胶质瘤、WHO III级胶质瘤、WHO IV级胶质瘤、转移性脑肿瘤。这是一项多中心、国际性、II期研究，研究放疗（RT）后给予olutasidenib，以治疗新诊断的IDH1突变型HGG儿童和年轻成人患者。该试验将纳入一个可行性队列，以确定在该患者人群中完成局灶性放疗后，olutasidenib与替莫唑胺联合作为维持治疗时可行的剂量。疗效将根据这些患者在完成放疗后接受olutasidenib和TMZ维持治疗13个周期、随后接受olutasidenib单药治疗13个周期的无进展生存期（PFS）分布来定义，并与按分子分层且匹配的历史对照进行比较。还将评估客观影像学缓解率、药物特异性毒性以及olutasidenib的药代动力学和药效动力学特性。
【主题与分类】
主题标签：High Grade Glioma、Astrocytoma、Astrocytoma, Grade III、Astrocytoma, Grade IV、Diffuse Intrinsic Pontine Glioma、WHO Grade III Glioma、WHO Grade IV Glioma、Metastatic Brain Tumor、Diffuse Midline Glioma, H3 K27M-Mutant、Thalamus Tumor。本站分类：肿瘤/脑肿瘤。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT06161974
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/NCT06161974
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：高级别胶质瘤、星形细胞瘤、星形细胞瘤，III级、星形细胞瘤，IV级、弥漫性内生性脑桥胶质瘤、WHO III级胶质瘤、WHO IV级胶质瘤、转移性脑肿瘤。这是一项多中心、国际性、II期研究，研究放疗（RT）后给予olutasidenib，以治疗新诊断的IDH1突变型HGG儿童和年轻成人患者。该试验将纳入一个可行性队列，以确定在该患者人群中完成局灶性放疗后，olutasidenib与替莫唑胺联合作为维持治疗时可行的剂量。疗效将根据这些患者在完成放疗后接受olutasidenib和TMZ维持治疗13个周期、随后接受olutasidenib单药治疗13个周期的无进展生存期（PFS）分布来定义，并与按分子分层且匹配的历史对照进行比较。还将评估客观影像学缓解率、药物特异性毒性以及olutasidenib的药代动力学和药效动力学特性。
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。
