Nivolumab与Ipilimumab治疗儿童及青年INI1阴性癌症研究
该数据集来自clinicaltrials.gov,收录一项针对儿童及青年INI1阴性癌症的II期临床试验信息。覆盖病种包括恶性横纹肌样瘤、肾横纹肌样瘤、上皮样肉瘤、低分化或去分化脊索瘤、非典型畸胎样/横纹肌样瘤,以及其他经PI批准的INI1阴性肿瘤和SMARCA4缺陷恶性肿瘤

基本信息
资源简介
Nivolumab与Ipilimumab治疗儿童及青年INI1阴性癌症研究
该数据集来自clinicaltrials.gov,收录一项针对儿童及青年INI1阴性癌症的II期临床试验信息。覆盖病种包括恶性横纹肌样瘤、肾横纹肌样瘤、上皮样肉瘤、低分化或去分化脊索瘤、非典型畸胎样/横纹肌样瘤,以及其他经PI批准的INI1阴性肿瘤和SMARCA4缺陷恶性肿瘤。研究药物为Nivolumab(OPDIVO)与Ipilimumab(YERYOY)联合方案,旨在评估其安全性和有效性。数据可用于了解该试验的疾病范围与药物研究背景,支持肿瘤免疫治疗相关的信息整理与分类任务(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:恶性横纹肌样瘤、肾横纹肌样瘤、上皮样肉瘤、脊索瘤(低分化或去分化)、非典型畸胎样/横纹肌样瘤、其他INI1阴性肿瘤(经PI批准)、其他SMARCA4缺陷恶性肿瘤(经PI批准)。本研究是一项II期临床试验,测试一种研究性药物或药物组合的安全性和有效性,以了解该药物或药物组合在治疗特定疾病中是否有效。“研究性”意味着该药物组合正在被研究。本研究所涉研究药物名称包括: Nivolumab(OPDIVO) Ipilimumab(YERYOY)。本试验正在研究nivolumab和ipilimumab是否对治疗INI1阴性癌症有效。美国食品药品监督管理局(FDA)尚未批准nivolumab和ipilimumab联合方案用于本中的特定疾病
【主题与分类】
主题标签:Malignant Rhabdoid Tumor、Rhabdoid Tumor of the Kidney、Epithelioid Sarcoma、Atypical Teratoid/Rhabdoid Tumor。本站分类:肿瘤。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT04416568
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/NCT04416568
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
适应症:恶性横纹肌样瘤、肾横纹肌样瘤、上皮样肉瘤、脊索瘤(低分化或去分化)、非典型畸胎样/横纹肌样瘤、其他INI1阴性肿瘤(需经主要研究者批准)、其他SMARCA4缺陷性恶性肿瘤(需经主要研究者批准)。本研究为II期临床试验,旨在检验一种研究性药物或药物组合的安全性和有效性,以了解该药物或药物组合是否对治疗特定疾病有效。“研究性”是指该药物组合正在研究中。本研究涉及的研究药物名称如下:* 纳武利尤单抗(OPDIVO)* 伊匹木单抗(YERVOY)本试验正在研究纳武利尤单抗联合伊匹木单抗是否可用于治疗INI1阴性癌症。美国食品药品监督管理局(FDA)尚未批准纳武利尤单抗联合伊匹木单抗用于本研究中的特定疾病,但已批准其用于其他疾病。纳武利尤单抗和伊匹木单抗已在儿童中进行过测试,以确定该联合用药的安全剂量。
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。




