联合化疗联合或不联合 Ganitumab 治疗新诊断转移性 Ewing 肉瘤
该数据集来自 clinicaltrials.gov,围绕新诊断转移性 Ewing 肉瘤患者,比较多药联合化疗基础上加用或不加用 ganitumab(AMG 479)的治疗方案

基本信息
资源简介
联合化疗联合或不联合 Ganitumab 治疗新诊断转移性 Ewing 肉瘤
该数据集来自 clinicaltrials.gov,围绕新诊断转移性 Ewing 肉瘤患者,比较多药联合化疗基础上加用或不加用 ganitumab(AMG 479)的治疗方案。覆盖条件包括转移性 Ewing 肉瘤、骨、骨髓及肺的转移性恶性肿瘤,以及骨和软组织的外周原始神经外胚层肿瘤。主要目标为评估无事件生存期是否因加用 ganitumab 而改善,次要目标包括毒性描述与总生存期比较,并包含探索性目标。可用于肿瘤治疗疗效与安全性预测研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:转移性 Ewing 肉瘤、骨转移性恶性肿瘤、骨髓转移性恶性肿瘤、肺转移性恶性肿瘤、骨转移性外周原始神经外胚层肿瘤、软组织外周原始神经外胚层肿瘤。主要目标:I. 确定在新诊断转移性 Ewing 肉瘤患者中,多药联合化疗加用 ganitumab(AMG 479)是否改善无事件生存期(EFS)。次要目标:I. 描述在新诊断转移性 Ewing 肉瘤患者的多模式治疗中加用 ganitumab 的毒性。II. 比较新诊断转移性 Ewing 肉瘤患者接受多药联合化疗加用与不加用 ganitumab 的总生存期。探索性目标:I. 比较骨髓 resp
【主题与分类】
主题标签:Metastatic Ewing Sarcoma。本站分类:肿瘤。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT02306161
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/NCT02306161
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:转移性尤文肉瘤、骨转移性恶性肿瘤、骨髓转移性恶性肿瘤、肺转移性恶性肿瘤、骨转移性外周原始神经外胚层肿瘤、软组织外周原始神经外胚层肿瘤。主要目标:I. 确定新诊断的转移性尤文肉瘤患者接受多药化疗联合ganitumab(AMG 479)治疗是否能改善无事件生存期(EFS)。次要目标:I. 描述新诊断的转移性尤文肉瘤患者在多模式治疗中加入ganitumab的毒性。II. 比较新诊断的转移性尤文肉瘤患者接受多药化疗联合或不联合ganitumab的总生存期。探索性目标:I. 比较新诊断的转移性尤文肉瘤患者接受多药化疗联合或不联合ganitumab的骨髓缓解率。II.
描述对新诊断转移性尤文肉瘤患者在多模式治疗后接受6个月ganitumab单药维持治疗的毒性。III. 描述在年龄<21岁、接受18 mg/kg剂量治疗的尤文肉瘤患者队列中ganitumab的谷浓度。IV. 描述对新诊断转移性尤文肉瘤患者骨转移灶进行大分割立体定向体部放疗(SBRT)的可行性及局部失败率。V. 确定在接受间隔压缩化疗联合或不联合ganitumab治疗的新诊断转移性尤文肉瘤患者中,基于胰岛素样生长因子1(IGF-1)通路血清标志物的无事件生存期(EFS)、总生存期、骨髓缓解率和毒性是否存在差异。VI. 确定在接受间隔压缩化疗联合或不联合ganitumab治疗的新诊断转移性尤文肉瘤患者中,基于蛋白质、脱氧核糖核酸(DNA)和核糖核酸(RNA)标志物的EFS、总生存期和骨髓缓解率是否存在差异。VII.
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。




