Anti-CD19 CAR工程NK细胞治疗复发/难治性B细胞恶性肿瘤
该数据集来自clinicaltrials.gov,收录一项关于Anti-CD19 CAR工程NK细胞治疗复发/难治性CD19阳性B细胞恶性肿瘤的临床试验信息

基本信息
资源简介
Anti-CD19 CAR工程NK细胞治疗复发/难治性B细胞恶性肿瘤
该数据集来自clinicaltrials.gov,收录一项关于Anti-CD19 CAR工程NK细胞治疗复发/难治性CD19阳性B细胞恶性肿瘤的临床试验信息。覆盖急性淋巴细胞白血病、慢性淋巴细胞白血病和非霍奇金淋巴瘤,计划入组9至21名受试者,设置三个预设剂量组(1.0×10^7、2.0×10^7和3.0×10^7 CAR阳性NK细胞/kg体重),由SRC决定剂量递增及扩展病例。可用于了解该细胞治疗试验的设计、剂量方案和疾病覆盖范围(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:急性淋巴细胞白血病、慢性淋巴细胞白血病、非霍奇金淋巴瘤。该研究将入组9-21名诊断为复发或难治性CD19阳性B细胞恶性肿瘤的受试者,包括急性B淋巴细胞白血病、B细胞非霍奇金淋巴瘤和慢性B淋巴细胞白血病。本临床试验将设三个预设剂量组,分别为1.0×10^7、2.0×10^7和3.0×10^7 CAR阳性NK细胞/kg(体重),SRC将讨论并决定下一次输注计划。受试者将从低剂量组到高剂量组入组,每个剂量至少入组3例。剂量递增将由SRC(安全审查委员会)按疾病分别决定。目标剂量组将扩展病例,最多至6例。方案将分为筛选期(-30~-10天)、淋巴细胞清除前期(-10
【主题与分类】
主题标签:Acute Lymphocytic Leukemia、Chronic Lymphocytic Leukemia、Non Hodgkin Lymphoma。本站分类:肿瘤/白血病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT05410041
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/NCT05410041
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:急性淋巴细胞白血病、慢性淋巴细胞白血病、非霍奇金淋巴瘤。本研究将入组9-21例确诊为复发或难治性CD19阳性B细胞恶性肿瘤的受试者,包括急性B淋巴细胞白血病、B细胞非霍奇金淋巴瘤和慢性B淋巴细胞白血病。本临床试验将设三个预设剂量组,分别为1.0×10^7、2.0×10^7和3.0×10^7 CAR阳性NK细胞/kg(体重),由SRC讨论决定下一步输注方案。受试者将从低剂量组向高剂量组依次入组,每个剂量组至少入组3例。剂量递增将由SRC(安全性审查委员会)按疾病分别决定。目标剂量组将进行扩展病例,最多扩展至6例。方案将分为筛选期(-30~-10天)、淋巴细胞清除前期(-10~-5天)、淋巴细胞清除期(-5~-3天)、输注前评估(-2~-1天)、输注(第0天)和随访期(1-720天)。根据给药策略,我们将从单次给药开始。
只有在SRC基于安全性和PK数据做出决定后,我们才能进一步探索多次给药或联合治疗策略。
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。




