CC-122 治疗晚期实体瘤、非霍奇金淋巴瘤或多发性骨髓瘤的安全性、耐受性和有效性研究
该数据集来自 clinicaltrials.gov，聚焦 CC-122 在晚期实体瘤、非霍奇金淋巴瘤或多发性骨髓瘤患者中的安全性、耐受性与有效性研究
基本信息
资源简介
CC-122 治疗晚期实体瘤、非霍奇金淋巴瘤或多发性骨髓瘤的安全性、耐受性和有效性研究
该数据集来自 clinicaltrials.gov，聚焦 CC-122 在晚期实体瘤、非霍奇金淋巴瘤或多发性骨髓瘤患者中的安全性、耐受性与有效性研究。覆盖多发性骨髓瘤、弥漫大 B 细胞淋巴瘤、胶质母细胞瘤、原发性中枢神经系统淋巴瘤等病种。试验设置 MM-2 队列，评估 CC-122 胶囊单用或联合 DEX 的间歇给药方案（每周 5/7 天）在 Pomalidomide-naïve 受试者中的耐受性、安全性和初步疗效。受试者先接受一个月口服 CC-122，期间进行血液、尿液、ECG 等检查，肿瘤稳定或消退者可继续治疗。可用于肿瘤治疗反应与安全性相关建模（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：条件：多发性骨髓瘤、弥漫大 B 细胞淋巴瘤、多效性通路调节剂、胶质母细胞瘤、淋巴瘤、原发性中枢神经系统淋巴瘤。本试验正在一个单独队列（定义为 MM-2）中招募更多多发性骨髓瘤（MM）受试者，以评估 CC-122 配方胶囊单用或与 DEX 联合、在间歇给药方案（每周 5/7 天）下用于 Pomalidomide-naïve 受试者的耐受性、安全性和初步疗效。多发性骨髓瘤受试者的初步疗效数据支持进一步探索 CC-122 在 MM 中采用间歇方案，以评估剂量强度和耐受性是否能够改善。最初，患者将接受口服 CC-122 治疗一个月。在此期间，将进行各种检查（包括血液和尿液采集、ECG 等）。肿瘤稳定或消退者可继续接受治疗
【主题与分类】
主题标签：Multiple Myeloma、Lymphoma, Large B-Cell, Diffuse、Pleiotropic Pathway Modifier、Glioblastoma、Lymphoma、Primary Central Nervous System Lymphoma。本站分类：肿瘤/脑肿瘤。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT01421524
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/NCT01421524
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、弥漫性大B细胞淋巴瘤、多效性通路调节剂、胶质母细胞瘤、淋巴瘤、原发性中枢神经系统淋巴瘤。本试验正在一个定义为MM-2的独立队列中招募额外的多发性骨髓瘤（MM）受试者，以评估CC-122配制胶囊单用或与DEX联合、采用间歇给药方案（每周7天中给药5天）在来那度胺初治受试者中的耐受性、安全性和初步疗效。多发性骨髓瘤受试者中的初步疗效数据支持进一步探索CC-122在MM中间歇给药方案的应用，以评估能否提高剂量强度和耐受性。初始阶段，患者将接受口服CC-122治疗一个月。在此期间，将进行各项检查（包括血液和尿液采集、心电图等）。肿瘤稳定或消退的患者可继续接受治疗，只要其从CC-122中获益。将采用剂量递增研究设计测试CC-122的不同剂量水平。
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。
