Luvometinib联合Serplulimab治疗NF2相关肿瘤
该数据集来自clinicaltrials.gov,收录一项针对NF2相关肿瘤的临床试验信息。适应症涵盖NF2相关神经鞘瘤病、NF2、2型神经纤维瘤病、前庭神经鞘瘤和脑膜瘤

基本信息
资源简介
Luvometinib联合Serplulimab治疗NF2相关肿瘤
该数据集来自clinicaltrials.gov,收录一项针对NF2相关肿瘤的临床试验信息。适应症涵盖NF2相关神经鞘瘤病、NF2、2型神经纤维瘤病、前庭神经鞘瘤和脑膜瘤。该病为罕见的常染色体显性遗传病,以中枢神经系统多发性肿瘤为特征,现有手术和放疗无法治愈且伴随累积神经损伤风险,亟需有效系统性治疗。该研究者发起研究作为PRIME-NF2平台的子研究,评估luvometinib联合serplulimab在进展性NF2-SWN患者中的效果,其中luvometinib(FCN-159)为选择性MEK1/2抑制剂,具有抗肿瘤活性(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):适应症:NF2相关神经鞘瘤病、NF2、2型神经纤维瘤病、前庭神经鞘瘤、脑膜瘤。NF2相关神经鞘瘤病(NF2-SWN)是一种罕见的常染色体显性遗传病,以多发性中枢神经系统肿瘤为特征,最常见的是前庭神经鞘瘤和脑膜瘤。尽管目前的手术和放疗等治疗手段可以实现疾病控制,但无法治愈,且与累积性神经损伤和潜在的继发性恶性肿瘤风险相关。对于有效的系统性治疗仍存在显著的未满足需求。这项研究者发起的研究是作为NF2-SWN创新药物平台研究(PRIME-NF2)内的子研究开展的。该试验评估luvometinib联合serplulimab在进展性NF2-SWN患者中的疗效。Luvometinib(FCN-159)是一种具有抗肿瘤活性的选择性MEK1/2抑制剂。
【主题与分类】
主题标签:NF2-related Schwannomatosis、NF2、Neurofibromatosis Type 2、Vestibular Schwannoma、Meningioma。本站分类:肿瘤。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07708285
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/NCT07708285
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:NF2相关神经鞘瘤病、NF2、2型神经纤维瘤病、前庭神经鞘瘤、脑膜瘤。NF2相关神经鞘瘤病(NF2-SWN)是一种罕见的常染色体显性遗传病,以多发性中枢神经系统肿瘤为特征,最常见的是前庭神经鞘瘤和脑膜瘤。尽管当前的治疗手段如手术和放疗可以实现疾病控制,但无法治愈,且与累积性神经功能损害及潜在的继发性恶性肿瘤风险相关。对于有效的全身性治疗,仍存在显著的未满足需求。这项由研究者发起的研究是作为NF2-SWN创新药物平台研究(PRIME-NF2)中的一项子研究开展的。该试验评估luvometinib联合serplulimab在进展性NF2-SWN患者中的疗效。Luvometinib(FCN-159)是一种选择性MEK1/2抑制剂,在NF1相关肿瘤中具有抗肿瘤活性。Serplulimab(HLX10)是一种抗PD-1单克隆抗体,已获批用于多种实体瘤。临床前证据表明,MEK抑制可能增强肿瘤免疫原性,并与免疫检查点阻断产生协同作用。
本研究旨在评估该联合疗法在NF2-SWN中的安全性、耐受性和初步疗效。
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。




