GEN3014 治疗复发或难治性血液恶性肿瘤试验
该数据集来自 clinicaltrials.gov,聚焦 GEN3014 在复发或难治性血液恶性肿瘤中的临床试验。覆盖复发或难治性多发性骨髓瘤(RRMM)、弥漫性大B细胞淋巴瘤(DLBCL)和急性髓系白血病(AML)

基本信息
资源简介
GEN3014 治疗复发或难治性血液恶性肿瘤试验
该数据集来自 clinicaltrials.gov,聚焦 GEN3014 在复发或难治性血液恶性肿瘤中的临床试验。覆盖复发或难治性多发性骨髓瘤(RRMM)、弥漫性大B细胞淋巴瘤(DLBCL)和急性髓系白血病(AML)。试验分三部分:剂量递增(1期)、扩展A和B(2期)。剂量递增阶段在 RRMM 和 R/R AML 中评估 GEN3014,按28天周期给药,评估剂量限制毒性并确定最大耐受剂量和/或2期推荐剂量。扩展A部分在4个队列中进一步评估。可用于血液肿瘤治疗与剂量探索研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:复发或难治性多发性骨髓瘤(RRMM)、弥漫性大B细胞淋巴瘤(DLBCL)、急性髓系白血病(AML)。本试验将分3部分进行:剂量递增(1期)、扩展A和B部分(2期)。在剂量递增阶段,GEN3014将在RRMM以及复发和难治性急性髓系白血病(R/R AML)中进行评估。参与者将在28天周期内接受不同剂量水平的GEN3014给药。将在第一个治疗周期评估剂量限制毒性(DLT),并确定最大耐受剂量(MTD)和/或2期推荐剂量(RP2D)。在扩展A部分,GEN3014将在4个队列中进一步评估:抗CD38单克隆抗体(mAb)初治RRMM、抗CD38 mAb难治性RRMM、复发或难治性弥漫性大B细胞淋巴瘤(R/R DLBCL)以及R/R AML,使用从剂量递增中确定的RP2D。
【主题与分类】
主题标签:Diffuse Large B Cell Lymphoma (DLBCL)、Acute Myeloid Leukemia (AML)。本站分类:肿瘤/白血病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT04824794
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/NCT04824794
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:复发或难治性多发性骨髓瘤(RRMM)、弥漫性大B细胞淋巴瘤(DLBCL)、急性髓系白血病(AML)。本试验将分为3个部分进行:剂量递增(1期)、扩展部分A和B(2期)。在剂量递增阶段,GEN3014将在RRMM以及复发和难治性急性髓系白血病(R/R AML)中进行评估。受试者将接受GEN3014以不同剂量水平给药,以28天为一个周期。剂量限制性毒性(DLTs)将在第一个治疗周期内评估,并确定最大耐受剂量(MTD)和/或推荐的2期剂量(RP2D)。在扩展部分A中,GEN3014将在4个队列中进一步评估:抗CD38单克隆抗体(mAb)初治的RRMM、抗CD38 mAb难治的RRMM、复发或难治性弥漫性大B细胞淋巴瘤(R/R DLBCL)以及R/R AML,使用从剂量递增阶段确定的RP2D。在扩展部分B中,GEN3014静脉给药将与达雷妥尤单抗皮下给药进行头对头(H2H)比较,以评估GEN3014在抗CD38 mAb初治的RRMM受试者中是否可能更有效。
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。




