ONC201治疗难治性脑膜瘤研究
该数据集来自clinicaltrials.gov,收录一项关于ONC201治疗难治性或复发性脑膜瘤的临床研究。研究分为术前组(Arm I)和治疗组(Arm II),所有患者每周口服625 mg ONC201

基本信息
资源简介
ONC201治疗难治性脑膜瘤研究
该数据集来自clinicaltrials.gov,收录一项关于ONC201治疗难治性或复发性脑膜瘤的临床研究。研究分为术前组(Arm I)和治疗组(Arm II),所有患者每周口服625 mg ONC201。Arm I患者术前接受两次给药,第二次约在术前24小时;Arm II患者每周给药一次直至疾病进展或不可耐受毒性。主要目标包括评估切除脑膜瘤组织中ONC201浓度及测量无进展生存期。数据可用于了解该研究的设计与入组条件(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:脑膜瘤、难治性脑膜瘤、复发性脑膜瘤。患者将被纳入两个研究组之一,即术前组或治疗组。将接受手术切除脑膜瘤的患者纳入第I组。既往接受过脑膜瘤治疗但已穷尽所有合理治疗选择的患者纳入第II组。所有患者均口服研究药物ONC201,每周一次,剂量为625 mg。 第I组患者在手术前接受两剂ONC201,第二剂约在手术前24小时给药。 第II组患者每周接受一剂625 mg ONC201,直至疾病进展或出现不可耐受的毒性。主要目的 1. 评估切除的脑膜瘤组织中ONC201的浓度(第I组)2. 测量已穷尽所有其他合理治疗选择的患者接受ONC201后的无进展生存期(第II组)次要目的 1. 通过影像学检查评估ONC201治疗后的肿瘤缓解情况 2. 通过对存档组织和新鲜组织进行分子学研究,将多巴胺受体D2(DRD2)表达与肿瘤对治疗的缓解进行相关性分析 3. 确定总生存期 4. 确定在单独使用ONC201后出现疾病进展的患者中,将贝伐珠单抗加入ONC201的疗效
【主题与分类】
主题标签:Meningioma、Refractory Meningioma、Relapsed Meningioma。本站分类:肿瘤。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT06012929
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/NCT06012929
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:脑膜瘤、难治性脑膜瘤、复发性脑膜瘤。患者将被纳入两个研究组之一,即术前组或治疗组。将接受手术切除脑膜瘤的患者纳入第I组。既往接受过脑膜瘤治疗但已穷尽所有合理治疗选择的患者纳入第II组。所有患者均口服研究药物ONC201,每周一次,剂量为625 mg。* 第I组患者在手术前接受两剂ONC201,第二剂约在手术前24小时给药。* 第II组患者每周接受一剂625 mg ONC201,直至疾病进展或出现不可耐受的毒性。主要目的 1. 评估切除的脑膜瘤组织中ONC201的浓度(第I组)2. 测量已穷尽所有其他合理治疗选择的患者接受ONC201后的无进展生存期(第II组)次要目的 1. 通过影像学检查评估ONC201治疗后的肿瘤缓解情况 2.
- 通过档案组织和新鲜组织进行的分子研究,将多巴胺受体D2(DRD2)表达与肿瘤治疗反应相关联;3. 确定总生存期;4. 确定在单独使用ONC201后进展的患者中,将贝伐珠单抗加入ONC201的疗效。
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。




