Teclistamab联合Daratumumab治疗新诊断多发性骨髓瘤合并轻链型淀粉样变的II期研究
该数据集来自clinicaltrials.gov,收录一项II期临床试验,研究Teclistamab联合Daratumumab(Tec-Dara)治疗新诊断多发性骨髓瘤合并轻链型淀粉样变(MM+AL)的疗效与安全性

基本信息
资源简介
Teclistamab联合Daratumumab治疗新诊断多发性骨髓瘤合并轻链型淀粉样变的II期研究
该数据集来自clinicaltrials.gov,收录一项II期临床试验,研究Teclistamab联合Daratumumab(Tec-Dara)治疗新诊断多发性骨髓瘤合并轻链型淀粉样变(MM+AL)的疗效与安全性。数据覆盖1年无进展生存率、血液学缓解率(ORR、VGPR、CR、MRD阴性)及器官缓解率等指标,并记录受试者用药期间出现的医学问题。可用于评估该联合方案在MM+AL人群中的疗效预测、安全性分析及与历史数据的比较研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:多发性骨髓瘤、AL淀粉样变。本临床试验的目标是了解teclistamab联合daratumumab(Tec-Dara)能否治疗新诊断的多发性骨髓瘤合并轻链型淀粉样变(MM+AL)。该试验还将了解该联合方案的安全性。其主要旨在回答的问题是:与历史数据(50%至75%)相比,Tec-Dara能否提高MM+AL患者的1年无进展生存率?接受Tec-Dara治疗的MM+AL患者的血液学缓解率(ORR、VGPR、CR、MRD阴性)和器官缓解率是多少?参与者在服用Tec-Dara时会出现哪些医学问题?参与者将:接受teclistamab皮下注射并采用递增剂量(0.06、0.3、1.5 mg/kg),随后在第1周期每周接受1.5 mg/kg,在第2-3周期每2周接受3.0 mg/kg,在第4-24周期每4周接受3.0 mg/kg
【主题与分类】
主题标签:Multiple Myeloma、AL Amyloidosis。本站分类:肌肉骨骼系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07638683
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/NCT07638683
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:多发性骨髓瘤、AL淀粉样变性。本临床试验的目的是了解teclistamab联合daratumumab(Tec-Dara)能否治疗新诊断的多发性骨髓瘤合并轻链淀粉样变性(MM+AL)。该试验还将了解该联合方案的安全性。其主要旨在回答的问题包括:与历史数据(50%至75%)相比,Tec-Dara能否提高MM+AL患者的1年无进展生存率?接受Tec-Dara治疗的MM+AL患者的血液学缓解率(ORR、VGPR、CR、MRD阴性)和器官缓解率如何?参与者在接受Tec-Dara治疗时会出现哪些医学问题?
受试者将:接受teclistamab皮下注射,采用递增剂量给药(0.06、0.3、1.5 mg/kg),随后在第1周期每周给予1.5 mg/kg,第2-3周期每2周给予3.0 mg/kg,第4-24周期每4周给予3.0 mg/kg;接受daratumumab皮下注射1800 mg,第1-2周期每周一次,第3-6周期每2周一次,第7-24周期每4周一次;持续治疗直至疾病进展、出现不可接受的毒性或最多24个周期;每28天(±7天)进行一次疾病评估,包括用于血液学和器官反应评估的实验室检查;提供骨髓样本用于MRD和RNA测序分析。
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。




