Roferon-A治疗毛细胞白血病的II期疗效研究
源站描述指出,多数患者对干扰素治疗有反应,但完全缓解率很低;停药后疾病几乎普遍进展,需重新治疗。研究旨在评估长期重组干扰素α(IFN-Alpha)的安全性和有效性,对初始有反应的患者持续给药

基本信息
资源简介
Roferon-A治疗毛细胞白血病的II期疗效研究
该数据集来自clinicaltrials.gov,聚焦毛细胞白血病(Hairy Cell Leukemia)患者接受Roferon-A(干扰素α-2a)治疗的II期疗效研究。源站描述指出,多数患者对干扰素治疗有反应,但完全缓解率很低;停药后疾病几乎普遍进展,需重新治疗。研究旨在评估长期重组干扰素α(IFN-Alpha)的安全性和有效性,对初始有反应的患者持续给药。数据覆盖56例入组患者中的53例可评估患者,可用于分析干扰素治疗的疗效与安全性(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:毛细胞白血病。本研究最初是一项干扰素α-2a在毛细胞白血病患者中的疗效研究。观察到大多数患者对干扰素有反应,但获得的完全缓解极少。其他地方进行的研究证实了较低的完全缓解率。一旦停止干扰素,几乎普遍观察到疾病进展,需要重新开始治疗。在接受12或18个月连续干扰素治疗后,似乎很少有(如果有的话)患者不需要进一步治疗。基于这些发现,为了评估长期重组干扰素α(IFN-Alpha)在毛细胞白血病患者中的安全性和有效性,我们选择对最初对该药有反应的患者持续给予干扰素。在56例入组患者中的53例可评估患者中
【主题与分类】
主题标签:Hairy Cell Leukemia。本站分类:肿瘤/白血病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT00001567
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/NCT00001567
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:毛细胞白血病。本研究最初是一项关于干扰素α-2a在毛细胞白血病患者中疗效的研究。观察到大多数患者对干扰素产生应答,但获得完全缓解的病例极少。其他地区进行的研究证实了完全缓解率较低。一旦停用干扰素,几乎所有患者均出现疾病进展,需要重新开始治疗。在接受12或18个月持续干扰素治疗后,似乎极少有患者(如有的话)不需要进一步治疗。基于这些发现,并为评估长期重组干扰素α(IFN-Alpha)在毛细胞白血病患者中的安全性和疗效,我们选择对初始对该药有应答的患者持续给予干扰素。在53例可评估患者中(本研究共入组56例),有1例完全缓解、41例部分缓解、1例轻微缓解、9例疾病稳定,仅1例疾病进展。
十四名患者持续不间断地接受干扰素治疗,中位持续治疗时间为9.2年。三十四名患者因各种原因停用干扰素,最常见的原因是出现与干扰素抗体相关的获得性干扰素耐药。除两例外,干扰素耐药在治疗最初18个月内即早期显现。本研究的一项重要发现是,治疗超过18个月后,患者的绝对粒细胞计数和血小板计数仍持续缓慢但显著地改善,这表明延长治疗可带来持续获益,而非产生抗体并随后出现干扰素耐药。尽管本研究明确表明毛细胞白血病可通过干扰素实现长期控制,但仍需更长时间的随访以确定持续治疗是否
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。




