CBL0137静脉给药治疗经治血液系统肿瘤研究
该数据集来自clinicaltrials.gov,收录一项关于CBL0137静脉给药治疗既往接受过治疗的血液系统恶性肿瘤受试者的临床研究

基本信息
资源简介
CBL0137静脉给药治疗经治血液系统肿瘤研究
该数据集来自clinicaltrials.gov,收录一项关于CBL0137静脉给药治疗既往接受过治疗的血液系统恶性肿瘤受试者的临床研究。研究分为两部分:第一部分采用标准3+3剂量递增设计,评估CBL0137在淋巴瘤(包括DLBCL、FL、MCL、HL)、CLL/SLL或多发性骨髓瘤受试者中的安全性和药理学,并可能在最大耐受剂量或推荐剂量下额外入组受试者;第二部分通过队列扩展进一步探索CBL0137单药治疗的安全性、药理学和临床活性。数据可用于血液肿瘤治疗相关研究参考(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):适应症:血液系统恶性肿瘤。研究第1部分将评估在既往接受过治疗的淋巴瘤受试者中静脉给予一系列CBL0137剂量的安全性和药理学,淋巴瘤包括弥漫性大B细胞淋巴瘤(DLBCL)、滤泡性淋巴瘤(FL)、套细胞淋巴瘤(MCL)、霍奇金淋巴瘤(HL)、慢性淋巴细胞白血病/小淋巴细胞淋巴瘤(CLL/SLL)或多发性骨髓瘤(MM)。采用标准3+3剂量递增设计,按递增的CBL0137剂量水平依次入组3至6名受试者的队列。可在最大耐受剂量(MTD)或推荐剂量(RD)下额外入组6名受试者,以确认CBL0137的安全性和药理学,作为进一步临床评价的前奏。研究第2部分提供队列扩展,以进一步探索CBL0137单药治疗的安全性、药理学和临床活性。
【主题与分类】
主题标签:Hematological Malignancies。本站分类:肿瘤/白血病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT02931110
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/NCT02931110
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:血液系统恶性肿瘤。研究第1部分将评估在既往接受过治疗的淋巴瘤受试者中静脉给予一系列CBL0137剂量的安全性和药理学,淋巴瘤包括弥漫性大B细胞淋巴瘤(DLBCL)、滤泡性淋巴瘤(FL)、套细胞淋巴瘤(MCL)、霍奇金淋巴瘤(HL)、慢性淋巴细胞白血病/小淋巴细胞淋巴瘤(CLL/SLL)或多发性骨髓瘤(MM)。采用标准3+3剂量递增设计,将3至6例受试者组成的队列按逐渐升高的CBL0137剂量水平依次入组。可在最大耐受剂量(MTD)或推荐剂量(RD)下额外入组6例受试者,以确认CBL0137的安全性和药理学,作为进一步临床评价的前期准备。研究第2部分提供队列扩展,以进一步探索CBL0137单药治疗在既往接受过治疗的特定血液系统癌症受试者中的安全性、药理学和临床活性,包括DLBCL、FL、MCL、HL、CLL/SLL、急性淋巴细胞白血病(ALL)、急性髓系白血病(AML)和MM。每种疾病类型可入组12例可评价受试者。
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。




