第四代靶向BCMA/CD19的CAR-T细胞治疗难治性系统性红斑狼疮(SLE)
该数据集来自clinicaltrials.gov,聚焦第四代靶向BCMA/CD19的CAR-T细胞治疗难治性系统性红斑狼疮(SLE)及相关自身免疫性疾病

基本信息
资源简介
第四代靶向BCMA/CD19的CAR-T细胞治疗难治性系统性红斑狼疮(SLE)
该数据集来自clinicaltrials.gov,聚焦第四代靶向BCMA/CD19的CAR-T细胞治疗难治性系统性红斑狼疮(SLE)及相关自身免疫性疾病。覆盖范围包括系统性红斑狼疮、狼疮性肾炎、自身免疫性疾病、抗中性粒细胞胞质抗体相关性血管炎、肉芽肿性多血管炎、显微镜下多血管炎、系统性硬化症和特发性炎性肌病。源站描述阐述了SLE中自反应性B细胞活化、分化为浆细胞并产生大量自身抗体的机制,以及CD19-BCMA CAR-T细胞通过清除异常B细胞提供潜在解决方案的思路。该数据可用于了解CAR-T细胞疗法在难治性SLE等自身免疫性疾病中的研究背景与适用人群(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:系统性红斑狼疮、狼疮性肾炎、自身免疫性疾病、抗中性粒细胞胞质抗体相关性血管炎、肉芽肿性多血管炎、显微镜下多血管炎、系统性硬化症、特发性炎性肌病。系统性红斑狼疮(SLE)是一种自身免疫性疾病,其特征是产生自身抗体生成性免疫复合物,影响多个系统和器官。在SLE中,自反应性B细胞可自我激活并转变为浆细胞,产生大量自身抗体。这些细胞还可将自身抗原暴露给自身免疫性T细胞,从而刺激T细胞并导致炎症物质释放。SLE的常规治疗侧重于实现长期缓解。相比之下,CD19-BCMA CAR-T细胞通过清除负责产生抗体的异常B细胞提供了一种潜在解决方案。
【主题与分类】
主题标签:Systemic Lupus Erythematosus、Lupus Nephritis、Autoimmune Diseases、Granulomatous Polyangiitis、Microscopic Polyangiitis、Systemic Sclerosis、Idiopathic Inflammatory Myopathies、Sjogren's Syndrome。本站分类:免疫系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT06350110
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/NCT06350110
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:系统性红斑狼疮、狼疮性肾炎、自身免疫性疾病、抗中性粒细胞胞质抗体相关性血管炎、肉芽肿性多血管炎、显微镜下多血管炎、系统性硬化症、特发性炎性肌病。系统性红斑狼疮(SLE)是一种自身免疫性疾病,其特征是产生自身抗体的免疫复合物形成,累及多个系统和器官。在SLE中,自身反应性B细胞可自行活化并转变为浆细胞,产生大量自身抗体。这些细胞还可将自身抗原暴露给自身免疫性T细胞,从而刺激T细胞并导致炎症物质释放。SLE的常规治疗侧重于实现长期缓解。相比之下,CD19-BCMA CAR-T细胞通过清除负责产生抗体的异常B细胞,提供了一种潜在解决方案。这使免疫系统得以重建,并恢复患者的正常免疫功能,可能使患者摆脱药物治疗。这凸显了CAR-T疗法治疗SLE的广阔前景。
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。




