GLB-001 治疗髓系恶性肿瘤研究
该数据集来自 clinicaltrials.gov,收录一项关于 GLB-001 在髓系恶性肿瘤患者中开展的 phase 1、开放标签临床研究

基本信息
资源简介
GLB-001 治疗髓系恶性肿瘤研究
该数据集来自 clinicaltrials.gov,收录一项关于 GLB-001 在髓系恶性肿瘤患者中开展的 phase 1、开放标签临床研究。覆盖真性红细胞增多症、原发性血小板增多症、骨髓纤维化、骨髓增生异常综合征及急性髓系白血病等复发或难治或不耐受的髓系恶性肿瘤。研究分为剂量递增(Phase 1a)、剂量探索(Phase 1b)和剂量扩展(Phase 1c)三部分,评估口服 GLB-001 的安全性、耐受性、药代动力学、药效动力学及初步疗效。可用于了解该研究的设计与覆盖人群(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):适应症:真性红细胞增多症、原发性血小板增多症、骨髓纤维化、骨髓增生异常综合征、急性髓系白血病、髓系恶性肿瘤。研究GLB-001-02是一项1期、开放标签临床研究,旨在评估GLB-001在复发或难治或不耐受的髓系恶性肿瘤研究参与者中的安全性、耐受性、药代动力学(PK)、药效动力学(PD)及初步疗效,包括真性红细胞增多症(PV)、原发性血小板增多症(ET)、骨髓纤维化(MF)、较低危骨髓增生异常综合征(LR-MDS)、较高危骨髓增生异常综合征(HR-MDS)和急性髓系白血病(AML)。本研究由3部分组成:剂量递增(1a期)、剂量探索(1b期)和剂量扩展(1c期)。剂量递增(1a期)和剂量探索(1b期)将分别评估口服给药的GLB-001在PV/ET研究参与者或MF/LR-MDS/HR-MDS/AML研究参与者中的安全性、耐受性、PK、PD及初步疗效。随后将进行剂量扩展(1c期),以确定剂量、暴露、毒性、耐受性和临床活性之间的关系,识别最低活性剂量,并选择用于2期研究的推荐剂量。本研究预计可入组约108名研究参与者。
【主题与分类】
主题标签:Polycythemia Vera、Essential Thrombocythemia、Myelofibrosis、Myelodysplastic Syndromes、Acute Myeloid Leukemia、Myeloid Malignancy。本站分类:肿瘤/白血病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT06378437
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/NCT06378437
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
适应症:真性红细胞增多症、原发性血小板增多症、骨髓纤维化、骨髓增生异常综合征、急性髓系白血病、髓系恶性肿瘤。研究GLB-001-02是一项1期、开放标签临床研究,旨在评估GLB-001在复发或难治或不耐受的髓系恶性肿瘤研究参与者中的安全性、耐受性、药代动力学(PK)、药效动力学(PD)及初步疗效,这些疾病包括真性红细胞增多症(PV)、原发性血小板增多症(ET)、骨髓纤维化(MF)、较低危骨髓增生异常综合征(LR-MDS)、较高危骨髓增生异常综合征(HR-MDS)和急性髓系白血病(AML)。本研究由3部分组成:剂量递增(1a期)、剂量探索(1b期)和剂量扩展(1c期)。剂量递增(1a期)和剂量探索(1b期)将分别评估口服给药的GLB-001在PV/ET研究参与者或MF/LR-MDS/HR-MDS/AML研究参与者中的安全性、耐受性、PK、PD及初步疗效。
随后将进行剂量扩展(1c期),以确定剂量、暴露量、毒性、耐受性和临床活性之间的关系,识别最低有效剂量,并选择用于2期研究的推荐剂量。本研究预计可能入组约108名研究参与者。
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。
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。




