Tovorafenib 治疗儿童及青年颅咽管瘤
该数据集来自 clinicaltrials.gov,聚焦 Tovorafenib 治疗儿童及青年颅咽管瘤的临床研究。覆盖新诊断与复发性颅咽管瘤患者,主要目标为评估 12 个月无进展生存期及基于身体功能的生活质量维持情况,并与历史对照比较

基本信息
资源简介
Tovorafenib 治疗儿童及青年颅咽管瘤
该数据集来自 clinicaltrials.gov,聚焦 Tovorafenib 治疗儿童及青年颅咽管瘤的临床研究。覆盖新诊断与复发性颅咽管瘤患者,主要目标为评估 12 个月无进展生存期及基于身体功能的生活质量维持情况,并与历史对照比较。次要目标包括随访 1、2、3 年时视觉与神经内分泌缺陷的比例。探索性目标涉及生活质量与认知评估,以及对治疗前后肿瘤组织进行免疫组化与多重离子束成像分析。可用于颅咽管瘤治疗预后预测及相关生物标志物研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:颅咽管瘤,儿童,颅咽管瘤,复发性颅咽管瘤。主要目标:I. 确定 12 个月时的无进展生存期和基于身体功能的生活质量维持情况,并与历史对照进行比较。次要目标:I. 确定随访 1 年、2 年和 3 年时存在视觉缺陷的参与者比例。II. 确定随访 1 年、2 年和 3 年时存在神经内分泌缺陷的参与者比例。探索性目标:I. 评估新诊断或复发性颅咽管瘤儿童和青年中的生活质量(QOL)和认知测量指标。II. 对治疗前和治疗后的肿瘤组织(如可获得)进行免疫组化(IHC)/多重离子束成像,包括在进展时,以评估完整组织中的蛋白质密度模式和空间关系。
【主题与分类】
主题标签:Craniopharyngioma, Child、Craniopharyngioma、Recurrent Craniopharyngioma。本站分类:肿瘤。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT05465174
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/NCT05465174
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:颅咽管瘤,儿童,颅咽管瘤,复发性颅咽管瘤。主要目的:I. 根据身体功能并与历史对照相比,确定12个月时的无进展生存率和生活质量的维持情况。次要目的:I. 确定在1年、2年和3年随访时有视觉缺陷的参与者比例。II. 确定在1年、2年和3年随访时有神经内分泌缺陷的参与者比例。探索性目的:I. 评估新诊断或复发性颅咽管瘤儿童和年轻成人的生活质量(QOL)和认知测量。II. 对治疗前和治疗后的肿瘤组织(如可获得)进行免疫组织化学(IHC)/多重离子束成像,包括在进展时,以评估完整肿瘤组织中蛋白质密度模式和空间关系,并阐明治疗过程中和疾病演变过程中肿瘤组织的变化。III.
对治疗前和治疗后的肿瘤组织(如可获得)进行单细胞(scRNA)RNA测序,包括在疾病进展时,以识别和表征构成颅咽管瘤组分的不同细胞亚群,并阐明细胞亚群在治疗过程和疾病演变过程中的变化。IV. 对治疗前和治疗后的肿瘤组织(包括在疾病进展时)进行蛋白质组学分析,以表征在不同肿瘤区室中有活性的不同蛋白质和转录组通路,并阐明蛋白质组谱在治疗过程和疾病演变过程中的变化。V. 对治疗前和治疗后的囊液(包括在疾病进展时)进行ELISA阵列/多重分析,以表征不同的细胞因子谱,并阐明细胞因子谱在治疗过程和疾病演变过程中的变化。VI. 在影像学和临床结局的背景下,使用描述性统计进行微生物组和流式细胞术研究。VII. 评估患者和/或代理人对于参与研究的满意度
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。




