LTI-03治疗特发性肺纤维化患者的2期研究
该数据集来自clinicaltrials.gov,收录一项关于LTI-03治疗特发性肺纤维化(IPF)的2期研究。LTI-03是一种经吸入器进入肺部的实验性药物,研究将其与安慰剂在确诊IPF患者中比较,评估安全性、是否引起副作用、是否改善肺瘢痕及IPF症状

基本信息
资源简介
LTI-03治疗特发性肺纤维化患者的2期研究
该数据集来自clinicaltrials.gov,收录一项关于LTI-03治疗特发性肺纤维化(IPF)的2期研究。LTI-03是一种经吸入器进入肺部的实验性药物,研究将其与安慰剂在确诊IPF患者中比较,评估安全性、是否引起副作用、是否改善肺瘢痕及IPF症状。数据可用于了解IPF这一进行性致死性肺病的临床试验设计,并支持对LTI-03潜在疗效与安全性的分析(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:特发性肺纤维化(IPF)。理由:LTI-03是一种使用吸入器吸入肺部的实验性药物。正在研究其用于治疗特发性肺纤维化(IPF)。IPF是一种进行性、致死性肺病,由参与摄氧的肺细胞死亡和肺部进行性纤维化(瘢痕形成)引起。随着疾病进展,患者出现肺功能丧失和呼吸问题加重。假设LTI-03通过保护和恢复摄氧细胞的功能以及控制肺纤维化来治疗IPF,这可能改善肺瘢痕。本研究的目的是评估LTI-03,包括:其安全性、是否引起副作用、是否改善肺瘢痕以及是否改善IPF症状。LTI-03将在确诊IPF的患者中与安慰剂进行比较。
【主题与分类】
主题标签:Idiopathic Pulmonary Fibrosis (IPF)。本站分类:循环系统疾病/其他。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT06968845
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/NCT06968845
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
条件:特发性肺纤维化(IPF)。依据:LTI-03是一种通过吸入器吸入肺部的实验性药物,正在研究用于治疗特发性肺纤维化(IPF)。IPF是一种进行性、致死性肺部疾病,由参与氧气摄取的肺细胞死亡以及肺部进行性纤维化(瘢痕形成)引起。随着疾病进展,患者会出现肺功能丧失和呼吸问题加重。据推测,LTI-03通过保护和恢复氧气摄取细胞的功能以及控制肺纤维化来治疗IPF,从而可能改善肺部瘢痕。本研究的目的是评估LTI-03,包括:其安全性、是否引起副作用、是否改善肺部瘢痕以及是否改善IPF症状。LTI-03将在过去5年内诊断为IPF的患者中与安慰剂进行比较。服用稳定剂量尼达尼布、吡非尼酮或那米司特(如可凭处方获得)的患者可参与。
试验设计:这是一项2期、随机、双盲、安慰剂对照、多中心研究,包括28天的筛选期、24周的治疗期和4周的随访期。研究评估:将需要最多9次到研究诊所的访视。安全性和耐受性将通过以下评估进行评价:体格检查;收集生命体征数据(心率、血压、呼吸频率和通过脉搏血氧测定法测量的外周血氧饱和度[SpO2]);通过12导联心电图收集心脏数据;以及收集血样用于安全性实验室检查。此外,将询问参与者在诊所访视之间经历的任何不良事件(副作用)、是否更换过任何药物,以及是否能够正确使用其研究药物吸入器。参与者将在每次访视时接受肺功能检查(肺量测定法),该检查将用于评价安全性和有效性。另一项测量弥散
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。




