US Zamto-cel 自身免疫性疾病数据集
该数据集来自 clinicaltrials.gov，聚焦 Zamto-cel 这一靶向 CD19 和 CD20 双抗原的自体 CAR-T 疗法，用于难治性自身免疫性疾病
基本信息
资源简介
US Zamto-cel 自身免疫性疾病数据集
该数据集来自 clinicaltrials.gov，聚焦 Zamto-cel 这一靶向 CD19 和 CD20 双抗原的自体 CAR-T 疗法，用于难治性自身免疫性疾病。覆盖疾病包括狼疮性肾炎、系统性红斑狼疮、系统性硬化症及弥漫性皮肤系统性硬化症。数据涉及一项 1 期多队列剂量探索研究，包含白细胞分离采集、环磷酰胺联合氟达拉滨清淋预处理，以及按体重计算的 CAR-T 细胞静脉输注剂量。可用于免疫系统疾病治疗相关研究（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：条件：狼疮性肾炎、系统性红斑狼疮、系统性硬化症（SSc）、弥漫性皮肤系统性硬化症。这是一项 1 期、多队列、剂量探索研究，评估靶向 CD19 和 CD20 双抗原的自体 T 细胞工程化产品，用于标准治疗后难治性自身免疫性疾病受试者。研究产品 Zamto-cel 是一种嵌合抗原受体 T 细胞（CAR-T）疗法，经基因工程改造使受试者 T 细胞表面表达 CAR。符合条件的受试者将接受白细胞分离术以采集生产所需的细胞。在输注新鲜 CAR-T 产品前，受试者将接受由环磷酰胺和氟达拉滨组成的清淋方案。CAR-T 细胞输注将按剂量水平以 2.5 x 10^6 或 1.0 x 10^6 CAR+ 细胞/kg 体重的剂量经静脉给药。
【主题与分类】
主题标签：Lupus Nephritis、Systemic Lupus Erythematosus、Systemic Sclerosis (SSc)、Diffuse Cutaneous Systemic Sclerosis。本站分类：免疫系统疾病。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT06708845
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/NCT06708845
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：狼疮性肾炎、系统性红斑狼疮、系统性硬化症（SSc）、弥漫性皮肤型系统性硬化症。这是一项1期、多队列、剂量探索研究，评估经工程化改造以靶向CD19和CD20双抗原的自体T细胞，用于标准治疗后仍难治的自身免疫性疾病受试者。研究产品Zamto-cel是一种嵌合抗原受体T细胞（CAR-T）疗法，经基因工程改造使受试者T细胞表面表达CAR。符合条件的受试者将接受白细胞分离术，以采集生产所需的细胞。在输注新鲜CAR-T产品之前，受试者将接受由环磷酰胺和氟达拉滨组成的淋巴细胞清除方案。CAR-T细胞输注将按2.5 x 10^6或1.0 x 10^6 CAR+细胞/kg体重的剂量经静脉给药，具体取决于队列所分配的剂量水平。研究最初将按交错方式每队列入组3名受试者以评估安全性。在确认安全性后，研究将进入队列特定的推荐2期剂量（RP2D）和剂量扩展阶段。
受试者将被监测长达1年，以评估安全性、初步疗效及健康相关生活质量（HRQoL）。额外的长期随访将根据单独的长期随访方案进行。
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。
