LP-168口服治疗复发或难治性B细胞恶性肿瘤研究
该数据集来自clinicaltrials.gov,收录LP-168口服单药治疗复发或难治性B细胞恶性肿瘤的临床研究信息,覆盖CLL/SLL、Waldenstrom巨球蛋白血症、滤泡性淋巴瘤、弥漫性大B细胞淋巴瘤、套细胞淋巴瘤、边缘区淋巴瘤和毛细胞白血病

基本信息
资源简介
LP-168口服治疗复发或难治性B细胞恶性肿瘤研究
该数据集来自clinicaltrials.gov,收录LP-168口服单药治疗复发或难治性B细胞恶性肿瘤的临床研究信息,覆盖CLL/SLL、Waldenstrom巨球蛋白血症、滤泡性淋巴瘤、弥漫性大B细胞淋巴瘤、套细胞淋巴瘤、边缘区淋巴瘤和毛细胞白血病。主要目的为评估安全性与耐受性、确定最大耐受剂量和/或推荐II期剂量,并表征药代动力学特征;次要目的为评估无进展生存期、客观缓解率和缓解持续时间等初步疗效。可用于血液肿瘤药物安全性、剂量探索及疗效预测相关研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病类型:CLL/SLL、Waldenstrom巨球蛋白血症、滤泡性淋巴瘤、弥漫性大B细胞淋巴瘤、套细胞淋巴瘤、边缘区淋巴瘤、毛细胞白血病。本研究的主要目的是评估LP-168在复发/难治性B细胞恶性肿瘤(CLL/SLL、WM、FL、MCL、MZL、DLBCL、HCL)成人受试者中每日一次或两次口服单药给药的安全性和耐受性特征,确定最大耐受剂量(MTD)和/或推荐II期剂量(RP2D);并表征LP-168在复发/难治性B细胞恶性肿瘤(CLL/SLL、WM、FL、MCL、MZL、DLBCL、HCL)成人受试者中的药代动力学(PK)特征。研究的次要目的是评估LP-168对成人无进展生存期(PFS)、客观缓解率(ORR)和缓解持续时间(DOR)影响的初步疗效
【主题与分类】
主题标签:CLL/SLL、Waldenstrom Macroglobulinemia、Follicular Lymphoma、Diffuse Large B Cell Lymphoma、Mantle Cell Lymphoma、Marginal Zone Lymphoma、Hairy Cell Leukemia。本站分类:肿瘤/白血病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT04775745
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/NCT04775745
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:慢性淋巴细胞白血病/小淋巴细胞淋巴瘤(CLL/SLL)、华氏巨球蛋白血症(WM)、滤泡性淋巴瘤(FL)、弥漫性大B细胞淋巴瘤(DLBCL)、套细胞淋巴瘤(MCL)、边缘区淋巴瘤(MZL)、毛细胞白血病(HCL)。本研究的主要目标是评估LP-168在复发/难治性B细胞恶性肿瘤(CLL/SLL、WM、FL、MCL、MZL、DLBCL、HCL)成人受试者中每日一次或每日两次口服单药给药的安全性及耐受性特征,确定最大耐受剂量(MTD)和/或推荐的2期剂量(RP2D);并表征LP-168在复发/难治性B细胞恶性肿瘤(CLL/SLL、WM、FL、MCL、MZL、DLBCL、HCL)成人受试者中的药代动力学(PK)特征。本研究的次要目标是评估LP-168对复发/难治性B细胞恶性肿瘤(CLL/SLL、WM、FL、MCL、MZL、DLBCL、HCL)成人受试者无进展生存期(PFS)、客观缓解率(ORR)和缓解持续时间(DOR)影响的初步疗效。一旦确定MTD并确立RP2D,将在队列扩展阶段(1b期)入组更多受试者。
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。




