Iomab-ACT：131-I阿帕米司他单抗联合CD19靶向CAR-T细胞治疗复发或难治性B细胞急性淋巴细胞白血病或弥漫大B细胞淋巴瘤的初步研究
该数据集来自clinicaltrials.gov，聚焦于复发或难治性B细胞急性淋巴细胞白血病（B-ALL）及弥漫大B细胞淋巴瘤（DLBCL）等B细胞恶性肿瘤
基本信息
资源简介
Iomab-ACT：131-I阿帕米司他单抗联合CD19靶向CAR-T细胞治疗复发或难治性B细胞急性淋巴细胞白血病或弥漫大B细胞淋巴瘤的初步研究
该数据集来自 clinicaltrials.gov，聚焦于复发或难治性B细胞急性淋巴细胞白血病（B-ALL）及弥漫大B细胞淋巴瘤（DLBCL）等B细胞恶性肿瘤，属于肿瘤/白血病分类。其对应的研究是一项先导性试验，患者在接受CAR T细胞输注前先接受131-I apamistamab治疗，目的是确定131-I apamistamab的最大耐受剂量是否在75 mCi时被超过，若超过则评估50 mCi递减剂量的安全性。数据集围绕这一研究主题，汇集了相关疾病条件与主题标签信息，为关注B细胞恶性肿瘤免疫治疗与放射免疫联合策略的研究者提供参考入口。
【数据集背景】
该数据集所对应的研究针对复发或难治性B细胞急性淋巴细胞白血病（B-ALL）或弥漫大B细胞淋巴瘤（DLBCL）患者。研究采用先导性设计，探索在CD19靶向CAR T细胞治疗前给予131-I apamistamab的联合方案。其核心目的包括确定131-I apamistamab的最大耐受剂量是否在75 mCi时被超过，并在超过的情况下进一步评估50 mCi递减剂量的安全性。这一背景体现了放射免疫药物与细胞治疗序贯联合的探索方向。
【数据内容】
数据集涵盖的疾病条件包括B-ALL、DLBCL、B ALL、Dlbcl-Ci、DLBCL Unclassifiable、DLBCL, Nos Genetic Subtypes、DLBCL Activated B-Cell Type、DLBCL Germinal Center B-Cell Type。主题标签在上述条件之外还涉及Diffuse Large B-cell Lymphoma、HGBL以及HGBL, Nos。数据集分类为肿瘤/白血病，内容围绕上述B细胞恶性肿瘤的相关研究信息组织。
【采集与来源】
该数据集来源于clinicaltrials.gov。源站描述提供了研究条件与试验设计要点，包括患者将在CAR T细胞输注前接受131-I apamistamab，以及关于75 mCi与50 mCi剂量的安全性评估安排。除上述来源信息外，数据采集的具体流程、时间范围与样本规模等细节源站未提供。
【适用场景】
该数据集适用于关注复发或难治性B细胞急性淋巴细胞白血病与弥漫大B细胞淋巴瘤治疗研究的场景，尤其是涉及131-I apamistamab与CD19靶向CAR T细胞治疗联合策略的先导性研究参考。也可用于按疾病条件与主题标签进行B细胞恶性肿瘤相关研究的检索与归类。其他具体应用场景源站未提供。
【使用方法】
源站未提供。
【质量与限制】
源站未提供。
【引用与许可】
源站未提供。
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/NCT04512716
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：B-ALL、DLBCL、B ALL、Dlbcl-Ci、DLBCL不可分类、DLBCL、NOS遗传亚型、DLBCL活化B细胞型、DLBCL生发中心B细胞型。这是一项初步研究；患者将在CAR-T细胞输注前接受131-I apamistamab，以确定131-I apamistamab的最大耐受剂量是否超过75 mCi，若超过，则评估50 mCi递减剂量的安全性。
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。
