NEU-411 治疗早期帕金森病的 2 期研究及开放标签扩展
这是一项 2 期随机、安慰剂对照、概念验证研究及开放标签扩展（OLE），对象为经研究性伴随诊断基因检测（CDx）确认的 LRRK2 驱动型早期帕金森病（PD）参与者
基本信息
资源简介
NEU-411 治疗早期帕金森病的 2 期研究及开放标签扩展
该数据集来自 clinicaltrials.gov，收录 NEU-411-PD201 研究信息。这是一项 2 期随机、安慰剂对照、概念验证研究及开放标签扩展（OLE），对象为经研究性伴随诊断基因检测（CDx）确认的 LRRK2 驱动型早期帕金森病（PD）参与者。研究评估口服、强效、选择性、具生物利用度、高渗透性、可透过血脑屏障的小分子 LRRK2 活性抑制剂 NEU-411 相比安慰剂的疗效、安全性、药代动力学和药效学。筛选后约 150 名参与者按 1:1 随机分配至 NEU-411 30 mg 每日一次或安慰剂，治疗 52 周。可用于了解该试验设计、人群与干预信息（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：适应症：帕金森病、帕金森、特发性帕金森病、早期帕金森病（Early PD）、帕金森病、特发性。NEU-411-PD201 是一项 2 期、随机、安慰剂对照、概念验证研究及开放标签扩展（OLE），对象为经研究性伴随诊断基因检测（CDx）确认的 LRRK2 驱动型帕金森病（PD）的早期帕金森病（PD）参与者。该研究将评估 NEU-411 相比安慰剂的疗效、安全性、药代动力学和药效学，NEU-411 是一种口服给药、强效、选择性、具生物利用度、高渗透性、可透过血脑屏障的小分子 LRRK2 活性抑制剂。在参与者被筛选进入研究的随机、安慰剂对照部分后，约 150 名参与者将按 1:1 分配随机接受 NEU-411 30 mg 每日一次或安慰剂，治疗 52 周。
【主题与分类】
主题标签：Parkinson Disease、Parkinson、Idiopathic Parkinson Disease、Early Parkinson Disease (Early PD)、Parkinson Disease, Idiopathic。本站分类：神经系统疾病/帕金森病。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT06680830
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/NCT06680830
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：帕金森病、帕金森、特发性帕金森病、早期帕金森病（早期PD）、帕金森病、特发性。NEU-411-PD201是一项2期、随机、安慰剂对照、概念验证研究及开放标签扩展（OLE），受试者为经研究性伴随诊断基因检测（CDx）测定携带LRRK2驱动型帕金森病（PD）的早期帕金森病参与者。该研究将评估NEU-411与安慰剂相比的疗效、安全性、药代动力学和药效学；NEU-411是一种口服给药、强效、选择性、生物可利用、高渗透性、可透过血脑屏障的小分子LRRK2活性抑制剂。在参与者被筛选纳入研究的随机、安慰剂对照部分后，约150名参与者将按1：1分配随机接受NEU-411 30 mg每日一次或安慰剂治疗，治疗期为52周，并在末次治疗访视后2周内进行安全性随访访视。符合条件的参与者可加入OLE并额外接受26周治疗。
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。
