血液系统恶性肿瘤患者纵向多中心分子生物标志物发现登记库

TEMPUS AQUARIUS研究是一项针对血液恶性肿瘤的非干预性纵向观察性研究,涵盖急性髓系白血病(AML)和滤泡性淋巴瘤(FL)

Tempus AITempus AI
clinicaltrials
浏览 17
表格预测Acute Myeloid Leukaemia (AML)Follicular Lymphoma ( FL)
A Longitudinal Multi-Center Molecular Biomarker Discovery Registry for Patients With Hematologic Malignancies

基本信息

模态
表格
任务类型
预测
创建/更新时间
2026-10-01

资源简介

血液系统恶性肿瘤患者纵向多中心分子生物标志物发现登记库

TEMPUS AQUARIUS研究是一项针对血液恶性肿瘤的非干预性纵向观察性研究,涵盖急性髓系白血病(AML)和滤泡性淋巴瘤(FL)。研究在患者常规治疗和疾病监测期间,通过连续采血及获取剩余组织和/或骨髓穿刺样本,收集其多组学分子与临床数据。主要目标是了解这些患者群体中生物标志物与真实世界临床结局之间的关联(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):疾病:急性髓系白血病(AML)、滤泡性淋巴瘤(FL)。TEMPUS AQUARIUS 研究是一项聚焦于血液系统恶性肿瘤的非干预性、纵向观察性研究。该研究将通过在其常规治疗和疾病监测期间进行连续采血,以及获取剩余组织和/或骨髓抽吸物,从患者队列中收集丰富的分子(多组学)和临床数据。主要目标是了解这些患者人群中生物标志物与真实世界临床结局之间的关联。

【主题与分类】

主题标签:Acute Myeloid Leukaemia (AML)、Follicular Lymphoma ( FL)。本站分类:肿瘤/白血病。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT07154823

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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/NCT07154823

标准获取流程:

  1. 访问源站链接,注册/登录账号;
  2. 进入数据集详情页,按页面指引申请权限或直接下载;
  3. 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。

数据说明

疾病:急性髓系白血病(AML)、滤泡性淋巴瘤(FL)。TEMPUS AQUARIUS 研究是一项聚焦于血液系统恶性肿瘤的非干预性、纵向观察性研究。该研究将通过在其常规治疗和疾病监测期间进行连续采血,以及获取剩余组织和/或骨髓抽吸物,从患者队列中收集丰富的分子(多组学)和临床数据。主要目标是了解这些患者人群中生物标志物与真实世界临床结局之间的关联。

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。

获取专属数据定制方案