NF2-SWN创新药物平台研究(PRIME-NF2)
PRIME-NF2是一项由研究者发起的、前瞻性、多中心、适应性平台-篮式临床试验,旨在评估多种疗法在NF2相关神经鞘瘤病(NF2-SWN)患者中的安全性和有效性

基本信息
资源简介
NF2-SWN创新药物平台研究(PRIME-NF2)
PRIME-NF2是一项由研究者发起的、前瞻性、多中心、适应性平台-篮式临床试验,旨在评估多种疗法在NF2相关神经鞘瘤病(NF2-SWN)患者中的安全性和有效性。研究涵盖四个肿瘤篮:前庭神经鞘瘤、脑膜瘤、非前庭神经鞘瘤和室管膜瘤。所有确诊NF2-SWN并签署知情同意书的患者将进入主研究,纳入自然史观察队列;符合一个或多个活跃子研究入组标准的患者可能被分配至相应治疗臂,当多个治疗臂开放时按预定义随机方案分配。该数据集可用于NF2-SWN相关肿瘤的疗效预测与治疗反应建模(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:2型神经纤维瘤病、前庭神经鞘瘤、非前庭神经鞘瘤、脑膜瘤、室管膜瘤、NF2相关神经鞘瘤病、NF2。这是一项由研究者发起的、前瞻性、多中心、适应性平台-篮式临床试验,旨在评估多种疗法在NF2相关神经鞘瘤病(NF2-SWN)患者中的安全性和有效性。该研究包括四个肿瘤篮:前庭神经鞘瘤、脑膜瘤、非前庭神经鞘瘤和室管膜瘤。主研究:所有确诊为NF2-SWN并提供书面知情同意书的患者将被纳入主研究,并进入自然史观察队列。符合一个或多个活跃子研究入组标准的患者可被分配至相应的治疗臂。当多个治疗臂开放时,分配将遵循预定义的随机方案。
【主题与分类】
主题标签:Neurofibromatosis Type 2、Vestibular Schwannoma、Non-vestibular Schwannoma、Meningioma、Ependymoma、NF2-related Schwannomatosis、NF2。本站分类:肿瘤。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07713745
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/NCT07713745
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:2型神经纤维瘤病、前庭神经鞘瘤、非前庭神经鞘瘤、脑膜瘤、室管膜瘤、NF2相关神经鞘瘤病、NF2。这是一项由研究者发起的、前瞻性、多中心、适应性平台-篮式临床试验,旨在评估多种疗法在NF2相关神经鞘瘤病(NF2-SWN)患者中的安全性和有效性。该研究包括四个肿瘤篮:前庭神经鞘瘤、脑膜瘤、非前庭神经鞘瘤和室管膜瘤。主研究:所有确诊为NF2-SWN并提供书面知情同意的患者将被纳入主研究,并进入自然病史观察队列。符合一个或多个活跃子研究资格标准的患者可被分配至相应的治疗组。当多个治疗组开放时,分配将遵循预定义的随机化方案。当仅有一个治疗组可用时,符合条件的患者可直接纳入该子研究。不符合任何活跃干预资格的患者将留在主研究队列中接受标准化随访。
在子研究治疗期间出现目标肿瘤进展的患者,若符合入选标准,可考虑入组另一活性治疗臂。不符合任何活性子研究入组条件的患者将返回主研究观察队列。随访期间收集的数据可作为平台内共享对照数据。观察队列中的患者将每12个月接受一次标准化随访评估,直至研究完成或自愿退出。在子研究内接受治疗的患者将根据相应子研究方案大约每3个月接受一次疗效和安全性评估。主研究计划入组至少200例NF2-SWN患者,随着各参与中心陆续发现符合条件的患者,入组将持续进行。子研究1:Selumetinib * Selumetinib是一种选择性MEK1/2抑制剂,已获批用于治疗NF1相关的丛状神经纤维瘤。它抑制肿瘤g
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。




