溴结构域和超末端结构域抑制剂BMS-986158和BMS-986378在儿童癌症中的研究
源站描述显示这是一项 I 期临床试验,测试研究性药物的安全性并尝试确定后续研究使用的合适剂量,FDA 尚未批准 BMS-986158 或 BMS-986378 用于治疗任何疾病,两种药物目前仍在成人中研究,这是首次在年幼儿童中评估,实验室研究显示其可能对癌细胞具有活性

基本信息
资源简介
溴结构域和超末端结构域抑制剂BMS-986158和BMS-986378在儿童癌症中的研究
该数据集来自 clinicaltrials.gov,主题为 Bromodomain (BRD) 与 Extra-Terminal Domain (BET) 抑制剂 BMS-986158 和 BMS-986378 在儿童癌症中的研究,覆盖儿童实体瘤、淋巴瘤与儿童脑肿瘤。源站描述显示这是一项 I 期临床试验,测试研究性药物的安全性并尝试确定后续研究使用的合适剂量,FDA 尚未批准 BMS-986158 或 BMS-986378 用于治疗任何疾病,两种药物目前仍在成人中研究,这是首次在年幼儿童中评估,实验室研究显示其可能对癌细胞具有活性。可用于肿瘤与脑肿瘤相关研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:儿童实体瘤、淋巴瘤、脑肿瘤、儿童。这是一项 I 期临床试验,测试研究性药物的安全性,并尝试确定用于进一步研究的合适剂量。“研究性”意味着该药物正在被研究。FDA(美国食品药品监督管理局)尚未批准 BMS-986158 或 BMS-986378 作为任何疾病的治疗。BMS-986158 和 BMS-986378 目前仍在成人中研究。这是首次在年幼儿童中评估 BMS-986158 或 BMS-986378,尽管 12-17 岁的儿童也可能被纳入 BMS-986158 的部分成人研究。实验室研究表明,BMS-986158 和 BMS-986378 可能对癌细胞具有活性。这些药物属于一类称为 Bromodomain (BRD) 和 Extra-Terminal Domain (BET) 的药物
【主题与分类】
主题标签:Solid Tumor, Childhood、Lymphoma、Brain Tumor, Pediatric。本站分类:肿瘤/脑肿瘤。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT03936465
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/NCT03936465
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:儿童实体瘤、淋巴瘤、脑肿瘤、儿科。这是一项I期临床试验,旨在检测一种研究性药物的安全性,并尝试确定该研究性药物用于进一步研究的合适剂量。“研究性”意味着该药物正在被研究。FDA(美国食品药品监督管理局)尚未批准BMS-986158或BMS-986378用于治疗任何疾病。BMS-986158和BMS-986378目前仍在成人中研究。这是首次在年幼儿童中评估BMS-986158或BMS-986378,尽管12-17岁的儿童也可能被纳入BMS-986158的部分成人研究。实验室研究表明,BMS-986158和BMS-986378可能对癌细胞具有活性。这些药物属于一类称为溴结构域(BRD)和超末端结构域(BET)抑制剂的药物。这些药物阻断对读取DNA重要的蛋白质,而这一过程对癌细胞至关重要。
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。




