接受Miltenyi细胞与基因治疗患者的长期随访
数据关注迟发不良反应、严重不良事件、严重不良反应及特殊关注不良事件，包括疾病复发或进展、危及生命的感染、任何原因死亡、新发及继发恶性肿瘤、淋巴细胞计数、CAR T细胞转基因检测、复制型慢病毒检测、儿科患
基本信息
资源简介
接受Miltenyi细胞与基因治疗患者的长期随访
该数据集来自clinicaltrials.gov，聚焦接受Miltenyi细胞与基因治疗患者的长期随访，覆盖Melanoma Stage III、B-cell Non Hodgkin Lymphoma、Pediatric ALL、Childhood Non-Hodgkin Lymphoma、Acute Lymphatic Leukemia、Chronic Lymphatic Leukemia、Melanoma Stage IV等病种。数据关注迟发不良反应、严重不良事件、严重不良反应及特殊关注不良事件，包括疾病复发或进展、危及生命的感染、任何原因死亡、新发及继发恶性肿瘤、淋巴细胞计数、CAR T细胞转基因检测、复制型慢病毒检测、儿科患。
【数据内容】
源站描述（机器翻译，仅供参考）：条件：Melanoma Stage III、B-cell Non Hodgkin Lymphoma、Pediatric ALL、Childhood Non-Hodgkin Lymphoma、Acute Lymphatic Leukemia、Chronic Lymphatic Leukemia、Melanoma Stage IV。本试验的重点是任何迟发不良反应（AR）、严重不良事件（SAE）、严重不良反应（SAR）和特殊关注不良事件（AESI）的发生，即基础疾病的复发或进展、危及生命的感染、任何原因导致的死亡、新发和继发恶性肿瘤、淋巴细胞计数、CAR T细胞转基因的检测、复制型慢病毒（RCL）的检测、儿科患者的发育追踪，此外还包括对疾病进展原发状态和总生存的评估。
【主题与分类】
主题标签：Melanoma Stage III、B-cell Non Hodgkin Lymphoma、Pediatric ALL、Childhood Non-Hodgkin Lymphoma、Acute Lymphatic Leukemia、Chronic Lymphatic Leukemia、Melanoma Stage IV。本站分类：肿瘤/白血病。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT06508775
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/NCT06508775
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：III期黑色素瘤、B细胞非霍奇金淋巴瘤、儿童急性淋巴细胞白血病、儿童非霍奇金淋巴瘤、急性淋巴细胞白血病、慢性淋巴细胞白血病、IV期黑色素瘤。本试验关注的重点在于任何晚期不良反应（AR）、严重不良事件（SAE）、严重不良反应（SAR）及特别关注的不良事件（AESI）的发生情况，即基础疾病的复发或进展、危及生命的感染、任何原因导致的死亡、新发及继发性恶性肿瘤、淋巴细胞计数、CAR-T细胞转基因的检测、复制型慢病毒（RCL）的检测、儿科患者的发育追踪，以及进一步评估疾病进展的初始状态和总体生存率。
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。
