CD64 CAR-T细胞疗法治疗复发和/或难治性急性髓系白血病成人患者
本一期开放标签、剂量递增研究评估慢病毒转导的自体抗CD64 CAR T(含CD3ζ/4-1BB共刺激域)在难治/复发性AML及骨髓增生异常综合征中的安全性、扩增、持久性和初步临床活性

基本信息
资源简介
CD64 CAR-T细胞疗法治疗复发和/或难治性急性髓系白血病成人患者
本一期开放标签、剂量递增研究评估慢病毒转导的自体抗CD64 CAR T(含CD3ζ/4-1BB共刺激域)在难治/复发性AML及骨髓增生异常综合征中的安全性、扩增、持久性和初步临床活性。主要目标为确定其安全性特征及在R/R AML中的最大耐受剂量(MTD),依据预设DLT并采用标准BOIN设计(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:难治性急性髓系白血病(AML)、复发性急性髓系白血病(AML)、骨髓增生异常综合征、AML(急性髓系白血病)。这是一项1期、开放标签、剂量递增研究,旨在评估慢病毒转导的自体T细胞在难治或复发(R/R)急性髓系白血病(AML)受试者中的安全性、扩增、持久性和初步临床活性;这些T细胞表达抗CD64嵌合抗原受体(CAR),该CAR表达串联CD3ζ和4-1BB(CD3ζ/4-1BB)共刺激结构域。该CAR T细胞产品将称为“CD64 CAR T”,即靶向CD64的自体、经基因修饰的CAR T细胞。本研究的主要目的是确定CD64 CAR T在R/R AML受试者中的安全性特征和最大耐受剂量(MTD);MTD将采用标准贝叶斯最优区间(BOIN)设计,根据所定义的剂量限制性毒性(DLT)来确定。
【主题与分类】
主题标签:Refractory Acute Myeloid Leukemia (AML)、Relapsed Acute Myeloid Leukemia (AML)、Myelodysplastic Syndrome、AML (Acute Myeloid Leukemia)。本站分类:肿瘤/白血病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07347418
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/NCT07347418
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:难治性急性髓系白血病(AML)、复发性急性髓系白血病(AML)、骨髓增生异常综合征、AML(急性髓系白血病)。这是一项1期、开放标签、剂量递增研究,旨在评估慢病毒转导的自体T细胞在难治或复发(R/R)急性髓系白血病(AML)受试者中的安全性、扩增、持久性和初步临床活性;这些T细胞表达抗CD64嵌合抗原受体(CAR),该CAR表达串联CD3ζ和4-1BB(CD3ζ/4-1BB)共刺激结构域。该CAR T细胞产品将称为“CD64 CAR T”,即靶向CD64的自体、经基因修饰的CAR T细胞。本研究的主要目的是确定CD64 CAR T在R/R AML受试者中的安全性特征和最大耐受剂量(MTD);MTD将采用标准贝叶斯最优区间(BOIN)设计,根据所定义的剂量限制性毒性(DLT)来确定。
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。




