克唑替尼治疗复发或难治性实体瘤或间变性大细胞淋巴瘤的年轻患者
该数据集来自 clinicaltrials.gov,聚焦克唑替尼在儿童复发或难治性实体瘤及间变性大细胞淋巴瘤中的临床试验

基本信息
资源简介
克唑替尼治疗复发或难治性实体瘤或间变性大细胞淋巴瘤的年轻患者
该数据集来自 clinicaltrials.gov,聚焦克唑替尼在儿童复发或难治性实体瘤及间变性大细胞淋巴瘤中的临床试验。覆盖复发/难治性儿童间变性大细胞淋巴瘤、恶性实体肿瘤和神经母细胞瘤等病种。主要目标包括估计最大耐受剂量与推荐 II 期剂量、描述毒性、表征药代动力学,并初步评估抗肿瘤活性。可用于儿科肿瘤药物剂量探索、安全性分析和疗效预测等研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:复发儿童间变性大细胞淋巴瘤、复发恶性实体肿瘤、复发神经母细胞瘤、难治性间变性大细胞淋巴瘤、难治性恶性实体肿瘤、难治性神经母细胞瘤。主要目标:I. 估计口服克唑替尼每日两次用于复发/难治性实体瘤和间变性大细胞淋巴瘤(ALCL)儿童的最大耐受剂量(MTD)并推荐 II 期剂量。(2013年2月15日完成)II. 定义并描述该方案下克唑替尼的毒性。III. 表征克唑替尼在难治性癌症儿童中的药代动力学。次要目标:I. 在 I 期研究范围内初步定义克唑替尼的抗肿瘤活性。(2013年2月15日完成)II. 获得克唑替尼在儿童中抗肿瘤活性的初步 II 期数据
【主题与分类】
主题标签:Recurrent Malignant Solid Neoplasm、Recurrent Neuroblastoma、Refractory Malignant Solid Neoplasm、Refractory Neuroblastoma。本站分类:肿瘤/淋巴瘤。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT00939770
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/NCT00939770
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:复发性儿童间变性大细胞淋巴瘤、复发性恶性实体肿瘤、复发性神经母细胞瘤、难治性间变性大细胞淋巴瘤、难治性恶性实体肿瘤、难治性神经母细胞瘤。主要目标:I. 评估克唑替尼口服每日两次用于复发/难治性实体瘤和间变性大细胞淋巴瘤(ALCL)儿童的最大耐受剂量(MTD),并推荐II期剂量。(已于2013年2月15日完成)II. 界定并描述按此方案给予克唑替尼的毒性。III. 表征克唑替尼在难治性癌症儿童中的药代动力学。次要目标:I. 在I期研究范围内初步确定克唑替尼的抗肿瘤活性。(已于2013年2月15日完成)II. 获得克唑替尼在复发/难治性神经母细胞瘤和ALCL儿童中抗肿瘤活性的初步II期数据。III. 初步考察神经母细胞瘤(NB)或ALCL患者中间变性淋巴瘤激酶(ALK)状态(例如,突变、重复、扩增和/或易位的存在)与克唑替尼疗效之间的关系。
IV. 初步探讨间变性大细胞淋巴瘤(ALCL)患者中微小残留病(MRD)状态与克唑替尼临床应答之间的关系。V. 使用问卷收集克唑替尼口服溶液制剂适口性的初步信息。VI. 评估儿科患者骨生长的潜在改变。大纲:这是一项1期剂量递增研究(已于2013年2月15日完成),随后进行2期研究。患者在第1-28天每天两次(BID)口服(PO)克唑替尼。在没有疾病进展或不可接受的毒性的情况下,每28天重复治疗。研究治疗完成后,对患者进行定期随访。
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。




