UB-VV111 联合或不联合雷帕霉素治疗复发/难治性 CD19+ B 细胞恶性肿瘤的 1 期研究

该数据集来自 clinicaltrials.gov,收录一项 1 期剂量递增与剂量确认研究,评估 UB-VV111 联合或不联合雷帕霉素在复发/难治性 CD19+ B 细胞恶性肿瘤中的安全性与抗肿瘤活性

Umoja BiopharmaUmoja Biopharma
clinicaltrials
浏览 6
其他分类Lymphoma, B-CellLymphoma, Non-Hodgkin (NHL)Lymphoma, Large B-Cell, Diffuse (DLBCL)Chronic Lymphocytic Leukemia (CLL)
A Phase 1 Study of UB-VV111 With and Without Rapamycin in Relapsed/Refractory CD19+ B-cell Malignancies

基本信息

模态
其他
任务类型
分类
创建/更新时间
2026-10-12

资源简介

UB-VV111 联合或不联合雷帕霉素治疗复发/难治性 CD19+ B 细胞恶性肿瘤的 1 期研究

该数据集来自 clinicaltrials.gov,收录一项 1 期剂量递增与剂量确认研究,评估 UB-VV111 联合或不联合雷帕霉素在复发/难治性 CD19+ B 细胞恶性肿瘤中的安全性与抗肿瘤活性。研究覆盖 B 细胞淋巴瘤、非霍奇金淋巴瘤、弥漫大 B 细胞淋巴瘤及慢性淋巴细胞白血病,入组对象为复发/难治性大 B 细胞淋巴瘤(LBCL)和慢性淋巴细胞白血病(CLL)患者。数据可用于肿瘤与白血病方向的治疗安全性、剂量探索及疗效相关分析(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):疾病:B 细胞淋巴瘤、非霍奇金淋巴瘤 (NHL)、弥漫大 B 细胞淋巴瘤 (DLBCL)、慢性淋巴细胞白血病 (CLL)。本研究是一项 1 期剂量递增和剂量确认研究,旨在评估 UB-VV111 的安全性和抗肿瘤活性。该研究将入组复发/难治性大 B 细胞淋巴瘤 (LBCL) 和慢性淋巴细胞白血病 (CLL) 患者。

【主题与分类】

主题标签:Lymphoma, B-Cell、Lymphoma, Non-Hodgkin (NHL)、Lymphoma, Large B-Cell, Diffuse (DLBCL)、Chronic Lymphocytic Leukemia (CLL)。本站分类:肿瘤/白血病。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT06528301

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

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。

免费样本无法满足模型训练要求?千方提供经三甲医院脱敏、带病理回证与专家标注的商业级专病数据集。

使用方式

数据集获取

源站:https://clinicaltrials.gov/study/NCT06528301

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:B细胞淋巴瘤、非霍奇金淋巴瘤(NHL)、弥漫性大B细胞淋巴瘤(DLBCL)、慢性淋巴细胞白血病(CLL)。本研究是一项1期剂量递增和剂量确认研究,旨在评估UB-VV111的安全性和抗肿瘤活性。该研究将纳入复发/难治性大B细胞淋巴瘤(LBCL)和慢性淋巴细胞白血病(CLL)患者。

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。

需要用于商业化训练或医疗器械注册(NMPA/FDA)?

公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连,提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。