低剂量Blinatumomab治疗难治性自身免疫性脑炎及自身免疫性小脑炎的有效性与安全性
该数据集来自clinicaltrials.gov,聚焦低剂量Blinatumomab治疗抗体介导的难治性自身免疫性脑炎(AE)和自身免疫性小脑炎的多中心、单臂、连续性、前瞻性、干预性注册研究

基本信息
资源简介
低剂量Blinatumomab治疗难治性自身免疫性脑炎及自身免疫性小脑炎的有效性与安全性
该数据集来自clinicaltrials.gov,聚焦低剂量Blinatumomab治疗抗体介导的难治性自身免疫性脑炎(AE)和自身免疫性小脑炎的多中心、单臂、连续性、前瞻性、干预性注册研究。入组患者需确诊为难治性AE或自身免疫性小脑炎并签署知情同意书,统一接受两个周期的Blinatumomab治疗:第1周和第3周分别连续5天静脉输注9 µg/天(每周期总剂量45 µg)。数据可用于评估该治疗方案的有效性与安全性,以及分析改良Rankin量表(mRS)评分变化等结局指标(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:自身免疫性脑炎(AE)、自身免疫性小脑炎。这是一项多中心、单臂、连续性、前瞻性、干预性注册研究,旨在系统评估低剂量blinatumomab在抗体介导的难治性自身免疫性脑炎(AE)和自身免疫性小脑炎患者中的有效性和安全性。符合条件的参与者将是确诊为难治性AE或自身免疫性小脑炎且已提供书面知情同意书的患者。所有入组患者将按照统一方案接受blinatumomab治疗,包括两个周期:第1周期(第1周):以9 µg/天连续静脉输注5天(总剂量:45 µg)。第2周期(第3周):以9 µg/天连续静脉输注5天(总剂量:45 µg)。如果在
【主题与分类】
主题标签:Autoimmune Encephalitis (AE)、Autoimmune Cerebellitis。本站分类:免疫系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07686042
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/NCT07686042
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:自身免疫性脑炎(AE)、自身免疫性小脑炎。这是一项多中心、单臂、连续、前瞻性、干预性注册研究,旨在系统评价低剂量blinatumomab在抗体介导的难治性自身免疫性脑炎(AE)和自身免疫性小脑炎患者中的疗效和安全性。符合条件的受试者为确诊为难治性AE或自身免疫性小脑炎且已提供书面知情同意的患者。所有入组患者将按照统一方案接受blinatumomab治疗,包括两个周期:第1周期(第1周):以9 µg/日持续静脉输注,连续5天(总剂量:45 µg)。第2周期(第3周):以9 µg/日持续静脉输注,连续5天(总剂量:45 µg)。若第3周时改良Rankin量表(mRS)评分无改善,且外周血B细胞(CD3-/CD19+)比例仍>1%,可将剂量优化至15 µg/m²/日(最大28 µg/日)。
在研究期间,所有患者将接受定期随访,以收集临床症状、功能评分、免疫生物标志物及不良事件的数据,全面评估治疗的疗效与安全性。本研究采用非随机、开放标签设计,未设盲法或对照组。
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。




