FAP iCDC 治疗终末期扩张型心肌病的安全性与有效性研究
该数据集来自 clinicaltrials.gov,聚焦 FAP 靶向免疫抑制性嵌合抗原受体-树突状细胞(iCDC)疗法在终末期扩张型心肌病患者中的安全性与有效性评价

基本信息
资源简介
FAP iCDC 治疗终末期扩张型心肌病的安全性与有效性研究
该数据集来自 clinicaltrials.gov,聚焦 FAP 靶向免疫抑制性嵌合抗原受体-树突状细胞(iCDC)疗法在终末期扩张型心肌病患者中的安全性与有效性评价。研究为前瞻性、单中心、开放标签、两阶段临床试验:第一阶段采用单臂 3+3 剂量递增设计,评估安全性、剂量限制性毒性、治疗相关不良事件及初步疗效,确定安全有效剂量;第二阶段在确定剂量下扩大入组。数据可用于心力衰竭与扩张型心肌病细胞治疗领域的疗效与安全性分析(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:扩张型心肌病(DCM)、心力衰竭。本研究旨在评估成纤维细胞活化蛋白(FAP)靶向免疫抑制性嵌合抗原受体-树突状细胞(iCDC)疗法在终末期扩张型心肌病患者中的安全性与有效性,并为该疾病提供一种新的治疗途径。这是一项前瞻性、单中心、开放标签、两阶段临床研究,旨在评估 iCDC 在终末期扩张型心肌病患者中的安全性和初步疗效。第一阶段采用单臂、3+3 剂量递增设计。iCDC 疗法将按预设剂量水平给药,以评估安全性、剂量限制性毒性、治疗相关不良事件和初步疗效,并确定安全有效的剂量。第二阶段将在第一阶段确定的安全有效剂量下扩大入组。
【主题与分类】
主题标签:Dilated Cardiomyopathy (DCM)、Heart Failure。本站分类:循环系统疾病/心力衰竭。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT06902896
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/NCT06902896
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:扩张型心肌病(DCM)、心力衰竭。本研究旨在评估靶向成纤维细胞活化蛋白(FAP)的免疫抑制性嵌合抗原受体-树突状细胞(iCDC)疗法在终末期扩张型心肌病患者中的安全性和有效性,并为该疾病提供一种新的治疗途径。这是一项前瞻性、单中心、开放标签、两阶段的临床研究,旨在评估iCDC在终末期扩张型心肌病患者中的安全性和初步疗效。第一阶段采用单臂、3+3剂量递增设计。iCDC疗法将按预设剂量水平给药,以评估安全性、剂量限制性毒性、治疗相关不良事件和初步疗效,并确定安全有效的剂量。第二阶段将在第一阶段确定的安全有效剂量下扩大入组。更多患者将在该剂量下接受iCDC治疗,同时还将入组一个非随机同期对照组。对照参与者必须符合相同的入选标准,并在提供知情同意后,选择不接受iCDC治疗,但同意参与研究随访。
他们将不进行白细胞分离术、iCDC制备或细胞输注,并将继续接受指南指导的标准药物治疗。iCDC治疗组将接受安全性和初步疗效评估。同期对照组将采用临床可行的共享评估指标进行随访,包括超声心动图、BNP或NT-proBNP、6分钟步行距离、NYHA心功能分级、INTERMACS分级、KCCQ评分、心力衰竭恶化、住院、死亡和主要心血管事件。心脏磁共振成像和细胞治疗特异性评估仅在接受iCDC治疗的参与者中进行,不纳入与对照组的组间比较。
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。




