脑转移对化疗、靶向治疗和/或免疫肿瘤治疗出现颅内反应后避免放疗的实用试验
该数据集来自 clinicaltrials.gov,属于肿瘤/肺癌领域,聚焦脑转移患者在接受全身治疗(免疫治疗、靶向治疗和/或化疗)后出现颅内反应时,避免放疗的可行性

基本信息
资源简介
脑转移对化疗、靶向治疗和/或免疫肿瘤治疗出现颅内反应后避免放疗的实用试验
该数据集来自 clinicaltrials.gov,属于肿瘤/肺癌领域,聚焦脑转移患者在接受全身治疗(免疫治疗、靶向治疗和/或化疗)后出现颅内反应时,避免放疗的可行性。研究计划前瞻性入组45例患者,分为两个队列:30例接受免疫治疗的非小细胞肺癌患者,以及15例来自其他实体瘤的脑转移患者。入组者需至少有一个未计划放疗或手术的脑转移灶,并开始或计划开始预期可穿透血脑屏障并具有颅内活性的全身治疗方案。所有患者将在开始全身治疗后4至8周接受复查脑MRI(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:脑转移,成人,非小细胞肺癌(NSCLC)脑转移。这项实用试验评估对全身治疗(包括免疫治疗、靶向治疗和/或化疗)出现颅内反应的脑转移患者避免放疗的可行性。该研究将前瞻性入组45例患者,分为两个队列:30例接受免疫治疗的非小细胞肺癌(NSCLC)患者,以及15例来自其他实体瘤的脑转移患者。符合条件的参与者必须至少有一个未计划放疗或手术的脑转移灶,并且必须正在开始或计划开始预期可穿透血脑屏障并实现颅内活性的全身治疗方案。所有患者将在开始全身治疗后4-8周接受复查脑MRI。如果病灶
【主题与分类】
主题标签:Brain Metastases, Adult。本站分类:肿瘤/肺癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT06974370
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/NCT06974370
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:脑转移,成人,非小细胞肺癌(NSCLC)脑转移。这项试点性实用试验评估对全身治疗(包括免疫治疗、靶向治疗和/或化疗)表现出颅内反应的脑转移患者避免放射治疗的可行性。该研究将前瞻性入组45例患者,分为两个队列:30例接受免疫治疗的非小细胞肺癌(NSCLC)患者,以及15例来自其他实体瘤的脑转移患者。符合条件的参与者必须至少有1个未计划接受放疗或手术的脑转移灶,并且必须正在开始或计划开始一种预期可穿透血脑屏障并实现颅内活性的全身治疗方案。所有患者将在开始全身治疗后4-8周接受复查脑MRI。如果病灶稳定或缩小,患者将继续接受监测而不进行放疗。如果发现进展,可由治疗医生酌情给予标准治疗放疗。
主要目标是基于PD-L1表达状态评估NSCLC患者的6个月无放射治疗生存期(RTFS)。次要终点包括颅内无进展生存期、总生存期、放射性坏死率和生活质量。本研究旨在为未来试验设计提供依据,并识别可能安全避免脑部放疗的患者。详细描述脑转移是中枢神经系统最常见的肿瘤。历史上,治疗包括手术切除后全脑放射治疗(WBRT)或立体定向放射外科(SRS)以预防复发。虽然在实现局部控制方面有效,但放射治疗——尤其是WBRT——存在显著的认知功能下降和放射性坏死风险,特别是在预期寿命较长的患者中。系统性治疗的最新进展——包括免疫检查点抑制剂、酪氨酸激酶抑制剂和其他靶向药物——已显示出有意义的颅内
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。




