Afatinib治疗脑癌的安全性研究

该数据集来自clinicaltrials.gov,主题为Afatinib治疗脑癌的安全性研究。源站描述显示这是一项开放标签、单中心、I期3+3剂量递增研究,旨在描述Afatinib在既往治疗失败的脑癌患者中的安全性和耐受性,并确定推荐的II期剂量

Santosh KesariSantosh Kesari
clinicaltrials
浏览 2
其他预测Brain Cancer
Safety Study of Afatinib for Brain Cancer

基本信息

模态
其他
任务类型
预测
创建/更新时间
2026-10-27

资源简介

Afatinib治疗脑癌的安全性研究

该数据集来自clinicaltrials.gov,主题为Afatinib治疗脑癌的安全性研究。源站描述显示这是一项开放标签、单中心、I期3+3剂量递增研究,旨在描述Afatinib在既往治疗失败的脑癌患者中的安全性和耐受性,并确定推荐的II期剂量。符合条件的患者将接受28天治疗周期的Afatinib,每四天口服一次,直至疾病进展、不可接受的毒性、撤回知情同意或治疗医生认为停止符合患者最佳利益。研究提供剂量调整指南以管理不良治疗效应,所有患者将定期评估安全性参数。该数据可用于了解Afatinib在脑癌患者中的安全性特征和剂量探索过程(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):条件:脑癌。这是一项开放标签、单中心、I期3+3剂量递增研究,旨在描述Afatinib在既往治疗失败的脑癌患者中的安全性和耐受性,并确定推荐的II期剂量。符合条件的患者将接受28天治疗周期的Afatinib,每四天口服一次。患者将被分配到入组时开放的剂量水平。患者将继续接受Afatinib给药,直至疾病进展、不可接受的毒性、撤回知情同意或治疗医生认为停止符合患者最佳利益。研究提供了调整研究药物剂量的指南,以管理不良治疗效应。所有患者将按照研究流程图中的详细说明定期评估安全性参数。

【主题与分类】

主题标签:Brain Cancer。本站分类:肿瘤。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT02423525

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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/NCT02423525

标准获取流程:

  1. 访问源站链接,注册/登录账号;
  2. 进入数据集详情页,按页面指引申请权限或直接下载;
  3. 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。

数据说明

疾病:脑癌。这是一项开放标签、单中心、I期3+3剂量递增研究,旨在描述阿法替尼在既往治疗失败的脑癌患者中的安全性和耐受性,并确定推荐的II期剂量。符合条件的患者将接受阿法替尼治疗,治疗周期为28天,包括每四天口服一次阿法替尼。患者将被分配至入组时开放的剂量水平。患者将继续接受阿法替尼给药,直至疾病进展、出现不可接受的毒性、撤回知情同意,或主治医师判定停止用药符合患者最佳利益。研究提供了调整研究药物剂量的指南,用于管理不良治疗效应。所有患者将按照研究流程图中的详细说明定期接受安全性参数评估。用于评估阿法替尼水平的腰椎穿刺和采血将按照研究流程图中的详细说明进行。神经影像学检查和缓解评估将大约每八周进行一次。

肿瘤反应将根据神经肿瘤学反应评估(RANO)工作组标准进行评估。当患者永久停止研究药物时,将进行治疗结束评估,具体详见研究流程图。随后,患者将每四个月进行一次生存随访。

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。

获取专属数据定制方案