适应性双靶点CAR-T细胞治疗复发或难治性血液系统恶性肿瘤
该数据集源自clinicaltrials.gov,聚焦适应性双靶点CAR-T细胞治疗复发或难治性血液系统恶性肿瘤,覆盖B细胞急性淋巴细胞白血病、B细胞非霍奇金淋巴瘤或CLL/SLL、多发性骨髓瘤或浆细胞白血病、急性髓系白血病、高危骨髓增生异常肿瘤、BPDCN以及T细胞急性淋巴细胞白血病、T淋巴母细胞

基本信息
资源简介
适应性双靶点CAR-T细胞治疗复发或难治性血液系统恶性肿瘤
该数据集源自clinicaltrials.gov,聚焦适应性双靶点CAR-T细胞治疗复发或难治性血液系统恶性肿瘤,覆盖B细胞急性淋巴细胞白血病、B细胞非霍奇金淋巴瘤或CLL/SLL、多发性骨髓瘤或浆细胞白血病、急性髓系白血病、高危骨髓增生异常肿瘤、BPDCN以及T细胞急性淋巴细胞白血病、T淋巴母细胞淋巴瘤和外周T细胞淋巴瘤。数据可用于分析双靶点框架在降低单靶点治疗后因抗原下调、谱系可塑性或亚克隆异质性导致的逃逸风险方面的潜在价值,并支持疾病特异性靶点模块的筛选与选择研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:复发/难治性B细胞急性淋巴细胞白血病、复发/难治性B细胞非霍奇金淋巴瘤或CLL/SLL、复发/难治性多发性骨髓瘤或浆细胞白血病、复发/难治性急性髓系白血病、高危骨髓增生异常肿瘤、BPDCN;复发/难治性T细胞急性淋巴细胞白血病、T淋巴母细胞淋巴瘤、外周T细胞淋巴瘤。理由:单靶点CAR-T治疗后的复发通常由抗原下调、谱系可塑性或预先存在的亚克隆异质性驱动。双靶点框架试图在降低通过丢失一种表面抗原而发生逃逸的概率的同时,保持应答深度。因此,本示例采用带有疾病特异性靶点模块的主方案,而非一刀切的构建体。筛选与靶点选择:所有参与者均接受中心免疫表型分析
【主题与分类】
主题标签:T-lymphoblastic Lymphoma、Peripheral T-cell Lymphoma。本站分类:肿瘤/白血病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07523555
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。
使用方式
数据集获取
源站:https://clinicaltrials.gov/study/NCT07523555
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
疾病类型:复发/难治性B细胞急性淋巴细胞白血病、复发/难治性B细胞非霍奇金淋巴瘤或CLL/SLL、复发/难治性多发性骨髓瘤或浆细胞白血病、复发/难治性急性髓系白血病、高危骨髓增生异常性肿瘤、BPDCN;复发/难治性T细胞急性淋巴细胞白血病、T淋巴母细胞淋巴瘤、外周T细胞淋巴瘤。依据。单靶点CAR-T治疗后的复发通常由抗原下调、谱系可塑性或预先存在的亚克隆异质性驱动。双靶点框架试图在保持缓解深度的同时,降低因单一表面抗原丢失而发生逃逸的概率。因此,本示例采用主方案加疾病特异性靶点模块,而非一刀切的构建体。筛选与靶点选择。所有参与者在入组前21天内接受骨髓、外周血和/或受累组织的中心免疫表型分析。当通过经验证的流式细胞术或等效检测在恶性细胞上检测到两种抗原,且预期的靶向/脱靶风险可接受时,该模块被视为合格。
若符合条件模块超过一个,靶点选择委员会将根据疾病特异性生物学、抗原密度、既往抗原导向治疗、预测逃逸风险及可制造性对选项进行排序。治疗方案。受试者接受白细胞分离术、可选桥接治疗、氟达拉滨/环磷酰胺淋巴细胞清除,并于第0天输注所选双靶点CAR-T模块。根据模块不同,双靶点策略可作为串联/双顺反子产品、复合产品或预设序贯配对输注实施,前提是该抗原对采用此方式更安全或更可制造。受试者在第28天前接受密集监测,疗效随访至第24个月,若最终监管策略要求,可进入长达15年的长期基因修饰细胞安全性随访。
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。




