新诊断KIT突变CBF急性髓系白血病的新疗法
源站描述指出,KIT突变CBF-AML患者预后仍较差,疾病异质性强,传统大剂量阿糖胞苷化疗后复发率高,亟需新方案;近年小分子靶向药物与标准化疗联合有望提高完全缓解率且毒性可接受

基本信息
资源简介
新诊断KIT突变CBF急性髓系白血病的新疗法
该数据集来自clinicaltrials.gov,聚焦新诊断的KIT突变核心结合因子急性髓系白血病(CBF-AML),涵盖伴t(8;21)(q22;q22)或t(16;16)(p13;q22)的急性髓系白血病、KIT基因突变及靶向药物Avapritinib。源站描述指出,KIT突变CBF-AML患者预后仍较差,疾病异质性强,传统大剂量阿糖胞苷化疗后复发率高,亟需新方案;近年小分子靶向药物与标准化疗联合有望提高完全缓解率且毒性可接受。该数据可用于了解该亚型白血病的治疗研究背景与靶向联合治疗方向(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:伴T(8;21)(Q22;Q22)的急性髓系白血病、伴T(16;16)(P13;Q22)的急性髓系白血病、KIT基因突变、Avapritinib。伴KIT突变的CBF-AML患者预后仍相对较差。CBF-AML是一种异质性疾病,其中许多改变的分子通路可能影响该疾病的预后。因此,治愈方法一直基于使用大剂量化疗的标准和高剂量阿糖胞苷方案。然而,这些患者的高复发率应促进新方案的开发。近年来,有一系列在研新药允许在该人群中设计联合疗法。这些药物具有可接受的毒性特征,并能够提高该人群的CR率。这样,标准疗法和一种小分子靶向药物(Avapritinib)可能产生
【主题与分类】
主题标签:KIT Gene Mutation、Avapritinib。本站分类:肿瘤/白血病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07028073
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/NCT07028073
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
条件:伴t(8;21)(q22;q22)的急性髓系白血病、伴t(16;16)(p13;q22)的急性髓系白血病、KIT基因突变、Avapritinib。伴有KIT突变的CBF-AML患者预后仍相对较差。CBF-AML是一种异质性疾病,其中许多改变的分子通路可能影响该疾病的预后。因此,治愈性方法一直基于使用大剂量化疗的标准和高剂量阿糖胞苷方案。然而,这些患者的高复发率应促使开发新的方案。近年来,一系列新药正在研发中,使得在该人群中设计联合疗法成为可能。这些药物具有可接受的毒性特征,并能够提高该人群的CR率。通过这种方式,标准疗法与小分子靶向药物(Avapritinib)联合可产生强大的抗白血病效应,防止白血病细胞的适应性逃逸机制。
研究者设计了一项I-II期试验,基于三药方案(IA:标准剂量阿糖胞苷+柔红霉素)或(VA:阿扎胞苷+维奈克拉)联合阿伐替尼,在该人群中通过序贯式给药方式可良好耐受。首要目标是通过试验I期的剂量递增,采用两种不同方案(一种基于IA,另一种基于VA),实现疾病的快速控制和确定II期推荐剂量。第二个目标是通过巩固和维持方案预防复发。II期将研究II期推荐剂量的疗效和安全性。
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。




