毛细胞白血病疾病负担评估

源站描述指出,B-raf 基因 V600E 病变在毛细胞白血病患者中特异且几乎总是存在,与肿瘤细胞及活动性疾病相关;通过 ddPCR 测定突变基因的分数丰度,可作为微小残留病的分子评估方法,并可将分数丰度值与患者外周血计数和骨髓检查结果整合分析

IRCCS Azienda Ospedaliero-Universitaria di BolognaIRCCS Azienda Ospedaliero-Universitaria di Bologna
clinicaltrials
浏览 3
基因组预测Hairy Cell Leukemia
Assessment of Disease Burden in Hairy Cell Leukemia

基本信息

模态
基因组
任务类型
预测
创建/更新时间
2026-10-23

资源简介

毛细胞白血病疾病负担评估

该数据集来自 clinicaltrials.gov,聚焦毛细胞白血病(Hairy Cell Leukemia)的疾病负担评估。源站描述指出,B-raf 基因 V600E 病变在毛细胞白血病患者中特异且几乎总是存在,与肿瘤细胞及活动性疾病相关;通过 ddPCR 测定突变基因的分数丰度,可作为微小残留病的分子评估方法,并可将分数丰度值与患者外周血计数和骨髓检查结果整合分析。主要目标是验证治疗结束时突变缺失能否预测长期无治疗生存,次要目标涉及突变缺失与缓解持续时间的关系。数据可用于分子残留病预测与疗效评估研究(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):疾病:毛细胞白血病。B-raf 的 V600E 基因病变具有特异性,几乎总是存在于毛细胞白血病患者中,与肿瘤细胞的存在相关,因此也与活动性疾病相关。通过 ddPCR 测量突变基因的分数丰度,因此可能构成一种微小残留病的分子评估方法。此外,所获得的突变等位基因分数丰度(FA)值可与患者的临床背景、其 PB 计数和 BM 检查结果一起进行一致性整合。主要目标:验证治疗结束时突变缺失(指示对治疗的完全分子缓解状态)能否代表长期无治疗生存的预测因素。次要目标:验证突变缺失与患者缓解持续时间之间的关联,这些患者

【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/NCT06781515

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

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/NCT06781515

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:毛细胞白血病。B-raf的V600E基因病变具有特异性,几乎总是存在于毛细胞白血病患者中,与肿瘤细胞的存在相关,因此也与活动性疾病相关。通过ddPCR测定突变基因的分数丰度,因此可能构成一种微小残留病的分子评估方法。此外,所获得的突变等位基因分数丰度(FA)值可与患者的外周血计数和骨髓检查结果一起,连贯地整合到患者的临床背景中。主要目的:验证治疗结束时突变的缺失(提示对治疗的完全分子学缓解状态)是否可预测较长的无治疗生存期。次要目的:验证在仅接受一次嘌呤类似物(克拉屈滨和喷司他丁)治疗后至少5年无需治疗、且根据现行标准判定为CR的患者中,突变缺失与缓解持续时间之间的关联。

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。

获取专属数据定制方案