评估 Fazirsiran 安全性及对 Alpha-1 抗胰蛋白酶异常所致肝病和纤维化疗效的研究
研究主要目的是了解 fazirsiran 相比安慰剂能否减轻肝脏瘢痕(纤维化),并评估其是否延缓肝脏疾病恶化、对机体的药效学影响、能否减少其他肝损伤(炎症)及肝脏中异常 Z-AAT 蛋白,同时获取人体对 fazirsiran 的药代动力学信息,比较其改善影像学和肝脏生物标志物等纤维化指标的效果,并检

基本信息
资源简介
评估 Fazirsiran 安全性及对 Alpha-1 抗胰蛋白酶异常所致肝病和纤维化疗效的研究
该数据集来自 clinicaltrials.gov,聚焦 Alpha1-Antitrypsin Deficiency 相关肝病与肝纤维化。研究主要目的是了解 fazirsiran 相比安慰剂能否减轻肝脏瘢痕(纤维化),并评估其是否延缓肝脏疾病恶化、对机体的药效学影响、能否减少其他肝损伤(炎症)及肝脏中异常 Z-AAT 蛋白,同时获取人体对 fazirsiran 的药代动力学信息,比较其改善影像学和肝脏生物标志物等纤维化指标的效果,并检查副作用。可用于肝纤维化治疗评估与药物安全性分析(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:Alpha1-Antitrypsin 缺乏症。本研究的主要目的是了解与安慰剂相比,fazirsiran 是否能减轻肝脏瘢痕(纤维化)。其他目的是了解 fazirsiran 是否能减缓肝脏疾病的恶化,获取关于 fazirsiran 如何影响身体的信息(称为药效学),了解 fazirsiran 是否能减少其他肝损伤(炎症)以及肝脏中异常的 Z-AAT 蛋白,获取关于身体如何处理 fazirsiran 的信息(称为药代动力学),测试 fazirsiran 与安慰剂相比在改善肝脏瘢痕指标(包括影像学和肝脏生物标志物——身体通常产生并有助于显示肝功能正在改善、保持不变还是恶化的血液中的物质)方面的效果,以及检查接受 fazirsiran 治疗的参与者与接受安慰剂的参与者相比的副作用。
【主题与分类】
主题标签:Alpha1-Antitrypsin Deficiency。本站分类:消化系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT05677971
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/NCT05677971
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:α1-抗胰蛋白酶缺乏症。本研究的主要目的是了解与安慰剂相比,fazirsiran是否能减少肝脏瘢痕形成(纤维化)。其他目的包括了解fazirsiran是否能减缓肝脏疾病的恶化,获取关于fazirsiran如何影响身体的信息(称为药效学),了解fazirsiran是否能减少其他肝损伤(炎症)以及肝脏中异常的Z-AAT蛋白,获取关于身体如何处理fazirsiran的信息(称为药代动力学),测试fazirsiran与安慰剂相比在改善肝脏瘢痕形成指标方面的效果,包括影像学和肝脏生物标志物(身体通常产生的血液中的物质,有助于显示肝功能是在改善、保持不变还是在恶化),以及检查接受fazirsiran治疗的参与者与接受安慰剂的参与者相比的副作用。参与者将接受fazirsiran或安慰剂。本研究期间将进行两次肝脏活检,即从肝脏采集少量组织样本的方法。
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。




