CAR-20/19-T细胞治疗复发难治性B细胞恶性肿瘤患者
该数据集来自clinicaltrials.gov,聚焦CAR-20/19-T细胞治疗复发难治性B细胞恶性肿瘤的1/2期临床研究

基本信息
资源简介
CAR-20/19-T细胞治疗复发难治性B细胞恶性肿瘤患者
该数据集来自clinicaltrials.gov,聚焦CAR-20/19-T细胞治疗复发难治性B细胞恶性肿瘤的1/2期临床研究。覆盖Non Hodgkin Lymphoma、Mantle Cell Lymphoma、Chronic Lymphocytic Leukemia、Follicular Lymphoma、Marginal Zone Lymphoma、Diffuse Large B Cell Lymphoma、Primary Mediastinal Large B-cell Lymphoma及Central Nervous System Lymphoma等病种。研究评估固定剂量2.5x10^6 CAR-20/19-T cell。
【主题与分类】
主题标签:Non Hodgkin Lymphoma (NHL)、Mantle Cell Lymphoma (MCL)、Chronic Lymphocytic Leukemia (CLL)、Follicular Lymphoma、Marginal Zone Lymphoma、Diffuse Large B Cell Lymphoma、Central Nervous System Lymphoma。本站分类:肿瘤/白血病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT04186520
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/NCT04186520
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:非霍奇金淋巴瘤(NHL)、套细胞淋巴瘤(MCL)、慢性淋巴细胞白血病(CLL)、滤泡性淋巴瘤、边缘区淋巴瘤、弥漫性大B细胞淋巴瘤、原发性纵隔大B细胞淋巴瘤(PMBCL)、中枢神经系统淋巴瘤。这是一项1期/2期研究。研究目标如下:1. 1期:确定固定剂量2.5x10^6 CAR-20/19-T细胞/kg(经IL-7/IL-15扩增)在复发难治性B细胞NHL中的安全性,采用灵活的8/12天生产流程及固定的12天生产流程,并在慢性淋巴细胞白血病(CLL)和中枢神经系统(CNS)淋巴瘤中进行评估。2. 1b期:分为四组:A组:8/12灵活生产组。确定灵活生产的安全性、疗效和可行性。B组:固定12天生产组。确定固定CAR生产的安全性和疗效。C组:8/12灵活生产,并在输注LV20.19 CAR T细胞前强制进行冷冻保存。确定冷冻保存对LV20.19 CAR T细胞安全性或疗效的影响。D组:8/12灵活生产扩展队列,针对CLL。确定在CLL中的安全性和疗效。
A组:8/12灵活制造队列,针对中枢神经系统(CNS)淋巴瘤。3. 第二阶段 1. 确定CAR-20/19-T细胞在套细胞淋巴瘤(MCL)中的3个月完全缓解(CR)率 2. 确定使用CliniMACS Prodigy细胞处理设备从患者单采产品中灵活制造CAR-20/19-T细胞的可行性
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。




