CDK4/6抑制剂Abemaciclib治疗I型神经纤维瘤病相关非典型神经纤维瘤
该数据集来自clinicaltrials.gov,围绕CDK4/6抑制剂Abemaciclib用于I型神经纤维瘤病(NF1)相关非典型神经纤维瘤的研究

基本信息
资源简介
CDK4/6抑制剂Abemaciclib治疗I型神经纤维瘤病相关非典型神经纤维瘤
该数据集来自clinicaltrials.gov,围绕CDK4/6抑制剂Abemaciclib用于I型神经纤维瘤病(NF1)相关非典型神经纤维瘤的研究。源站描述指出NF1为发病率约1:3000的遗传性肿瘤易感综合征,25-50%患者发生丛状神经纤维瘤,MEK抑制剂可使多数丛状神经纤维瘤缩小并带来临床获益;NCI自然史研究通过纵向全身MRI容积测量识别出非典型神经纤维瘤等结节性病变。数据可用于NF1相关肿瘤的临床与影像研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:I型神经纤维瘤病。背景: I型神经纤维瘤病(NF1)是一种遗传性肿瘤易感综合征(发病率1:3000),可导致进行性肿瘤和非肿瘤表现,其中大多数尚无有效药物治疗。25-50%的I型神经纤维瘤病(NF1)患者会发生组织学良性的丛状神经纤维瘤(PN),可造成显著疾病负担。近期,POB发现MEK抑制剂可使大多数PN缩小,且PN缩小与临床获益相关。 NCI的一项NF1自然史研究通过纵向全身MRI容积测量收集了全面的影像信息。通过该方法识别出不同的结节性病变(DNL),其中许多经病理复核为非典型神经纤维瘤(ANF)。* NCI POB a
【主题与分类】
主题标签:Neurofibromatosis 1。本站分类:肿瘤/乳腺癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT04750928
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/NCT04750928
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:1型神经纤维瘤病。背景:* 1型神经纤维瘤病(NF1)是一种遗传性肿瘤易感综合征(发病率为1:3000),可导致进行性肿瘤和非肿瘤表现的发展,其中大多数尚无有效的医学疗法。25-50%的1型神经纤维瘤病(NF1)患者会发展为组织学良性的丛状神经纤维瘤(PN),可导致严重疾病负担。近期,POB发现MEK抑制剂可使大多数PN缩小,且PN缩小与临床获益相关。* NCI的一项NF1自然史研究通过纵向全身MRI结合体积测量收集了全面的影像学信息。通过该方法,识别出 distinct nodular lesions(DNL),其中许多经病理学审查为非典型神经纤维瘤(ANF)。* NCI POB及其他机构已将ANF描述为侵袭性软组织肉瘤——恶性外周神经鞘瘤(MPNST)的前驱病变,后者对化疗反应差且生存率低。
值得注意的是,ANF对MEK抑制剂治疗的反应似乎较差,提示其生物学特性不同。* 对美国国家癌症研究所儿科肿瘤分部(NCI POB)和比利时切除的16例ANF进行外显子组测序显示,90%的病例除双等位基因NF1缺失外,唯一的新发体细胞改变为CDKN2A/B杂合性缺失,这与既往报道一致。这些结果表明,NF1神经肿瘤的转化可能在遗传学上通过癌前ANF以共同机制进展,该机制可能成为干预靶点。* CDKN2A是CDK4/6驱动信号传导的主要抑制性刹车,在胶质母细胞瘤、胰腺癌、膀胱癌、乳腺癌和前列腺癌中常见缺失。特异性CDK4/6抑制剂阿贝西利已获FDA批准用于治疗转移性乳腺癌。* ANF是用于测试实验性干预的典型癌前病变,因为……
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。




