Shattuck Labs (SL)-172154 在 MDS 或 AML 受试者中的 1 期研究
该数据集来自 clinicaltrials.gov,收录一项在较高风险骨髓增生异常综合征(MDS)或急性髓系白血病(AML)受试者中开展的 1a/1b 期开放标签、多中心试验

基本信息
资源简介
Shattuck Labs (SL)-172154 在 MDS 或 AML 受试者中的 1 期研究
该数据集来自 clinicaltrials.gov,收录一项在较高风险骨髓增生异常综合征(MDS)或急性髓系白血病(AML)受试者中开展的 1a/1b 期开放标签、多中心试验。研究评估 SL-172154 单药及与 Azacitidine 或 Azacitidine 联合 Venetoclax 给药的安全性、药代动力学、药效学效应和初步抗肿瘤活性,并在 Part D 中进一步探索先前未治疗较高风险 MDS 受试者的安全性与疗效。数据可用于肿瘤与白血病领域的治疗安全性及疗效相关分析(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):适应症:急性髓系白血病、骨髓增生异常综合征。这是一项在较高风险(即按 IPSS-R 为中等、高或极高风险)MDS 或 AML 受试者中开展的 1a/1b 期开放标签、多中心试验。该研究旨在评估 SL-172154 单药以及 SL-1712154 与 Azacitidine 或 Azacitidine 联合 Venetoclax 给药的安全性、PK、药效学效应和初步抗肿瘤活性。受试者将接受 SL-172154 单药或与 Azacitidine 联合(联合或不联合 Venetoclax)给药,直至记录到疾病进展、不可接受的毒性或不耐受、撤回知情同意,或受试者符合其他停药标准(以先发生者为准)。Part D:将在 Part D 中进一步探索安全性和疗效。约 60 名先前未治疗的较高风险 MDS 受试者将被等比例随机分为 3 组:3
【主题与分类】
主题标签:Acute Myeloid Leukemia、Myelodysplastic Syndromes。本站分类:肿瘤/白血病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT05275439
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/NCT05275439
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:急性髓系白血病、骨髓增生异常综合征。本项1a/1b期研究是一项开放标签、多中心试验,受试者为较高危(即根据IPSS-R评定为中危、高危或极高危)MDS或AML患者。该研究旨在评估SL-172154单药治疗以及SL-172154联合阿扎胞苷或阿扎胞苷联合维奈克拉给药的安全性、药代动力学、药效学效应及初步抗肿瘤活性。受试者将接受SL-172154单药治疗或联合阿扎胞苷(联合或不联合维奈克拉)给药,直至记录到疾病进展、出现不可接受的毒性或不耐受、撤回知情同意,或受试者符合其他终止标准(以先发生者为准)。D部分:将在D部分进一步探索安全性和疗效。约60例既往未经治疗的较高危MDS受试者将按1:1:1随机分为3组:3.0 mg/kg SL-172154+阿扎胞苷组、1.0 mg/kg SL-172154+阿扎胞苷组和阿扎胞苷单药治疗组。患者将根据TP53突变状态(TP53m vs TP53wt)和研究入组时骨髓原始细胞计数(<5% vs ≥5%)进行分层。
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。




