CAR T细胞治疗相关心血管结局
该数据集来自clinicaltrials.gov,聚焦CAR T细胞治疗后的心血管结局,覆盖B细胞急性淋巴细胞白血病、难治性或复发性B细胞淋巴瘤、原发性纵隔大B细胞淋巴瘤、弥漫大B细胞淋巴瘤等血液肿瘤,以及心血管疾病和心脏毒性等结局

基本信息
资源简介
CAR T细胞治疗相关心血管结局
该数据集来自clinicaltrials.gov,聚焦CAR T细胞治疗后的心血管结局,覆盖B细胞急性淋巴细胞白血病、难治性或复发性B细胞淋巴瘤、原发性纵隔大B细胞淋巴瘤、弥漫大B细胞淋巴瘤等血液肿瘤,以及心血管疾病和心脏毒性等结局。数据可用于研究接受CAR T细胞治疗患者的 cardiac safety,评估心血管风险因素,并支持对心血管并发症的预测分析(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:心血管疾病、B细胞急性淋巴细胞白血病、难治性B细胞淋巴瘤、复发性B细胞淋巴瘤、原发性纵隔大B细胞淋巴瘤(PMBCL)、弥漫性大B细胞淋巴瘤、心脏毒性、心血管并发症。CD19特异性嵌合抗原受体(CAR)T细胞是一种治疗复发性或难治性血液癌症的新型疗法,已显著提高完全缓解和部分缓解率。然而,它们与毒性相关,一些早期证据提示涉及心血管系统。尽管如此,心血管毒性的全面程度仍知之甚少。本研究旨在了解接受CAR T细胞治疗作为复发性/难治性B细胞血液癌症标准治疗一部分的患者的心脏安全性。将通过病史、血液生物标志物和心脏影像学检查评估心血管危险因素。这些参数将在CAR T细胞输注后7天或出现心血管恶化迹象时重复检测,并在3个月随访时再次检测。目的是预测心血管毒性风险最高的人群,并在心脏影像扫描中证明心脏损伤的证据。
【主题与分类】
主题标签:Cardiovascular Diseases、B-cell Acute Lymphoblastic Leukemia、B-cell Lymphoma Refractory、B-cell Lymphoma Recurrent、Diffuse Large B Cell Lymphoma、Cardiotoxicity、Cardiovascular Complication。本站分类:肿瘤/白血病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT05130489
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/NCT05130489
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:心血管疾病、B细胞急性淋巴细胞白血病、难治性B细胞淋巴瘤、复发性B细胞淋巴瘤、原发性纵隔大B细胞淋巴瘤(PMBCL)、弥漫性大B细胞淋巴瘤、心脏毒性、心血管并发症。CD19特异性嵌合抗原受体(CAR)T细胞是一种治疗复发性或难治性血液癌症的新型疗法,已显著提高完全缓解和部分缓解率。然而,它们与毒性相关,一些早期证据提示涉及心血管系统。尽管如此,心血管毒性的全面程度仍知之甚少。本研究旨在了解在接受CAR T细胞作为复发性/难治性B细胞血液癌症标准治疗一部分的患者中的心脏安全性。将通过病史、血液生物标志物和心脏影像学检查评估心血管危险因素。这些参数将在CAR T细胞给药后7天或出现心血管恶化迹象时重复检测,并在3个月随访时再次检测。
目的是预测心血管毒性风险最高的队列,并在心脏影像扫描中证明存在心脏损伤的证据。
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。




