Vecabrutinib (SNS-062) 在B淋巴细胞肿瘤中的安全性、PK、PD及抗肿瘤活性研究
该数据集来自clinicaltrials.gov,收录Vecabrutinib (SNS-062)在B淋巴细胞肿瘤患者中的安全性、药代动力学、药效动力学及抗肿瘤活性研究信息

基本信息
资源简介
Vecabrutinib (SNS-062) 在B淋巴细胞肿瘤中的安全性、PK、PD及抗肿瘤活性研究
该数据集来自clinicaltrials.gov,收录Vecabrutinib (SNS-062)在B淋巴细胞肿瘤患者中的安全性、药代动力学、药效动力学及抗肿瘤活性研究信息。覆盖慢性淋巴细胞白血病、小淋巴细胞淋巴瘤、淋巴浆细胞样淋巴瘤、套细胞淋巴瘤、华氏巨球蛋白血症、弥漫大B细胞淋巴瘤、滤泡性淋巴瘤和边缘区淋巴瘤等适应症。研究包含1期剂量递增和2期队列扩展两部分,纳入既往标准治疗失败(包括BTK抑制剂)的患者。数据可用于血液肿瘤治疗领域的药物安全性评估与疗效分析(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):适应症:慢性淋巴细胞白血病、小淋巴细胞淋巴瘤、淋巴浆细胞样淋巴瘤、套细胞淋巴瘤、华氏巨球蛋白血症、弥漫大B细胞淋巴瘤、滤泡性淋巴瘤、边缘区淋巴瘤。本研究包括2部分:1期(剂量递增)和2期(队列扩展),纳入既往标准治疗失败(包括在获批适应症中使用BTK抑制剂)的CLL/SLL或NHL患者。NHL适应症包括淋巴浆细胞样淋巴瘤/华氏巨球蛋白血症(LPL/WM)、套细胞淋巴瘤(MCL)、边缘区淋巴瘤(MZL)、活化B细胞亚型弥漫大B细胞淋巴瘤(DLBCL-ABC)和滤泡性淋巴瘤(FL)。在1b期,每个剂量水平研究3至6例患者队列,起始为25 mg vecabrutnib口服胶囊BID。在确定MTD和/或推荐
【主题与分类】
主题标签:Chronic Lymphocytic Leukemia、Small Lymphocytic Lymphoma、Lymphoplasmacytoid Lymphoma、Mantle-Cell Lymphoma、Waldenstrom Macroglobulinemia、Diffuse Large B Cell Lymphoma、Follicular Lymphoma、Marginal Zone Lymphoma。本站分类:肿瘤/白血病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT03037645
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/NCT03037645
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:慢性淋巴细胞白血病、小淋巴细胞淋巴瘤、淋巴浆细胞样淋巴瘤、套细胞淋巴瘤、华氏巨球蛋白血症、弥漫性大B细胞淋巴瘤、滤泡性淋巴瘤、边缘区淋巴瘤。本研究包括2个部分:在既往标准治疗(包括在获批适应症中使用BTK抑制剂)失败后的CLL/SLL或NHL患者中进行的1期(剂量递增)和2期(队列扩展)。NHL适应症包括淋巴浆细胞样淋巴瘤/华氏巨球蛋白血症(LPL/WM)、套细胞淋巴瘤(MCL)、边缘区淋巴瘤(MZL)、活化B细胞亚型弥漫性大B细胞淋巴瘤(DLBCL-ABC)和滤泡性淋巴瘤(FL)。在1b期,每个剂量水平研究3至6例患者的队列,从口服胶囊形式的vecabrutinib 25 mg每日两次开始。在确定MTD和/或推荐剂量后,2期仅入组CLL/SLL患者进入扩展队列,以进一步表征vecabrutinib的临床活性、安全性和药理学。周期长度为4周。
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。




