儿童及年轻成人晚期实体瘤中的NK白细胞与白细胞介素
该数据集来自 clinicaltrials.gov,聚焦儿童及年轻成人晚期实体瘤,涵盖实体瘤、脑肿瘤、肉瘤、儿童肿瘤与神经母细胞瘤

基本信息
资源简介
儿童及年轻成人晚期实体瘤中的NK白细胞与白细胞介素
该数据集来自 clinicaltrials.gov,聚焦儿童及年轻成人晚期实体瘤,涵盖实体瘤、脑肿瘤、肉瘤、儿童肿瘤与神经母细胞瘤。研究背景指出,部分患儿生存仍不理想,而活化的NK细胞可有效杀伤自体儿童实体瘤,并已有临床级流程可扩增活化NK细胞用于过继细胞治疗。主要目标包括评估采集与扩增活化NK细胞以达到递增剂量目标的可行性、评估在淋巴细胞清除性化疗后输注递增剂量活化NK细胞(不加rhIL15,队列A)的毒性,以及评估联合递增剂量rhIL15输注活化NK细胞(队列B)的毒性(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:实体瘤、脑肿瘤、肉瘤、儿童肿瘤、神经母细胞瘤。背景: 尽管取得了进展,一些患有实体瘤的儿童和年轻成人仍然生存率很低。 活化的NK细胞能有效杀伤自体的儿童实体瘤,并且已有临床级流程可生成大量活化的NK细胞用于过继细胞治疗。目标: 主要目标是:1)评估在队列A中采集和扩增活化NK细胞以达到递增剂量目标的可行性,2)评估在淋巴细胞清除性化疗后输注递增剂量活化NK细胞而不使用rhIL15(队列A)的毒性,以及3)评估在难治性恶性实体瘤儿童患者中输注活化NK细胞并联合递增剂量rhIL15(队列B)的毒性。 次要目标是:1)识别生物学
【主题与分类】
主题标签:Solid Tumors、Brain Tumors、Sarcoma、Pediatric Cancers、Neuroblastoma。本站分类:肿瘤/脑肿瘤。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT01875601
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/NCT01875601
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:实体瘤、脑肿瘤、肉瘤、儿童癌症、神经母细胞瘤。背景:* 尽管取得了进展,一些患有实体瘤的儿童和年轻人仍然生存率较低。* 激活的NK细胞能有效杀死自体儿童实体瘤,且已有临床级程序可生成大量激活的NK细胞用于过继细胞治疗。目的:* 主要目标为:1) 评估在A组中收集和扩增激活的NK细胞以达到递增剂量目标的可行性,2) 评估在未使用rhIL15的情况下,淋巴细胞清除化疗后输注递增剂量激活的NK细胞的毒性(A组),以及3) 评估在难治性恶性实体瘤儿科患者中,输注激活的NK细胞并递增rhIL15剂量的毒性(B组)。
-
次要目标为:1)通过监测NK细胞数量、表型和功能的变化,确定活化的自体NK细胞联合或不联合rhIL15的生物活性剂量;2)评估rhIL15在儿科人群中的药代动力学和免疫原性;3)评估向淋巴细胞减少宿主施用活化的NK细胞联合或不联合rhIL15后的抗肿瘤效果及FDG-PET变化。4)评估队列A中从首次NK细胞输注获益的患者后续自体NK细胞输注周期的安全性和有效性。入选标准:* 队列A患者:2-29岁,患有难治性儿童恶性实体瘤;队列B患者:2-25岁,患有难治性儿童恶性实体瘤。* 体能状态和器官功能良好,既往治疗毒性反应已恢复,无需全身性皮质类固醇,且无同种异体干细胞移植史。设计:* 所有患者均接受NK细胞输注前的环磷酰胺淋巴细胞清除性化疗。
-
队列A接受递增剂量的活化自体NK细胞,以确定细胞生成的可行性、耐受性,并可能确定MTD。 * A1:1x1
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。




