Tocilizumab 治疗儿童 ACP

研究分两阶段:0 期评估单次给药后药物能否到达肿瘤,若结果有利则启动可行性阶段,患者每两周接受一次 Tocilizumab,最多 13 个周期(约 1 年),并随访至 5 年

University of Colorado, DenverUniversity of Colorado, Denver
clinicaltrials
浏览 6
其他预测Adamantinomatous Craniopharyngioma
Tocilizumab in Children With ACP

基本信息

模态
其他
任务类型
预测
创建/更新时间
2026-10-13

资源简介

Tocilizumab 治疗儿童 ACP

该数据集来自 clinicaltrials.gov,聚焦于儿童 Adamantinomatous Craniopharyngioma(ACP)患者使用 Tocilizumab 治疗的临床研究。研究分两阶段:0 期评估单次给药后药物能否到达肿瘤,若结果有利则启动可行性阶段,患者每两周接受一次 Tocilizumab,最多 13 个周期(约 1 年),并随访至 5 年。数据可用于分析药物穿透性、治疗可行性及长期结局预测(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):条件:造釉细胞型颅咽管瘤。本研究将分两个阶段进行。第一阶段(0期)将观察新发或复发/进展的颅咽管瘤患者。这些患者将在接受肿瘤标准治疗(SOC)手术前给予一剂tocilizumab。该阶段的目的是观察药物是否到达肿瘤。如果0期结果良好并显示药物正在穿透肿瘤,则研究的第二阶段(可行性阶段)将开放。两个阶段将同时保持开放,患者能够先入组0期,然后“滚动”入组可行性阶段。在可行性阶段,患者将每两周接受一次tocilizumab,最多13个周期(约1年)。在可行性阶段,患者将被随访长达5年。

【主题与分类】

主题标签:Adamantinomatous Craniopharyngioma。本站分类:肿瘤。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT03970226

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/NCT03970226

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:造釉细胞型颅咽管瘤。本研究将分两个阶段进行。第一阶段(0期)将针对新发或复发/进展的颅咽管瘤患者。这些患者将在接受肿瘤标准治疗(SOC)手术前接受一剂托珠单抗。该阶段的目的是观察药物是否能到达肿瘤。如果0期结果良好并显示药物能够渗透肿瘤,则研究的第二阶段(可行性阶段)将启动。两个阶段将同时开放,患者可以入组0期,然后“转入”并入组可行性阶段。在可行性阶段,患者将每两周接受一次托珠单抗,最多13个周期(约1年)。在可行性阶段,患者将被随访长达5年。

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