儿童共济失调毛细血管扩张症白血病与淋巴瘤的治疗
该数据集来自 clinicaltrials.gov,聚焦儿童共济失调毛细血管扩张症(A-T)合并白血病与淋巴瘤的治疗问题

基本信息
资源简介
儿童共济失调毛细血管扩张症白血病与淋巴瘤的治疗
该数据集来自 clinicaltrials.gov,聚焦儿童共济失调毛细血管扩张症(A-T)合并白血病与淋巴瘤的治疗问题。A-T 由 ATM 基因双等位突变引起,患者存在神经退行性变、免疫缺陷、呼吸系统疾病和基因组不稳定,且肿瘤易感性显著升高,其中淋巴系统恶性肿瘤占多数。由于严重合并症及治疗相关毒性风险增加,A-T 患儿通常被排除在协作性临床试验之外,其治疗结局与毒性特征鲜有报道,治疗强度也所知甚少。该数据可用于研究此类患儿的治疗策略与毒性预测(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:共济失调毛细血管扩张症、白血病、淋巴瘤。共济失调毛细血管扩张症(A-T)是一种多系统疾病,表现多样,包括进行性神经退行性变、免疫缺陷、呼吸系统疾病和基因组不稳定。A-T 由 ATM 基因双等位突变引起,ATM 是细胞对 DNA 双链断裂反应的主要激活因子。A-T 最重要的特征之一是癌症易感性增加。淋巴系统恶性肿瘤占大多数癌症。由于严重的合并症和癌症治疗相关毒性风险显著增加,A-T 患儿的癌症治疗极具挑战性。A-T 患者通常被排除在协作性临床试验之外,其治疗结局和毒性特征鲜有报道,目前对治疗强度也所知甚少。
【主题与分类】
主题标签:Ataxia Telangiectasia、Leukemia、Lymphoma。本站分类:肿瘤/白血病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT04037189
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/NCT04037189
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:共济失调毛细血管扩张症、白血病、淋巴瘤。共济失调毛细血管扩张症(A-T)是一种多系统疾病,表现多样,包括进行性神经退行性变、免疫缺陷、呼吸系统疾病和基因组不稳定性。A-T由ATM基因的双等位基因突变引起,ATM基因是细胞对DNA双链断裂反应的主要激活因子。A-T最重要的特征之一是对癌症的易感性增加。淋巴系统恶性肿瘤占大多数癌症。由于严重的合并症和癌症治疗相关毒性风险显著增加,A-T患儿的癌症治疗极具挑战性。A-T患者通常被排除在合作性临床试验之外,其治疗结果和毒性特征鲜有报道,目前对于在疗效与毒性之间取得合理平衡所需的治疗强度知之甚少。最佳治疗方法存在争议;一些人主张采用标准化疗方案治疗,而另一些人则建议初始方案调整,减少化疗剂量。
由于该疾病较为罕见,目前亟需开展国际合作,收集关于癌症合并A-T患儿在治疗、毒性反应及预后方面的数据。数据将从患者档案中收集,包括患者特征与病史、AT表现、恶性肿瘤特征、治疗情况、化疗剂量、治疗反应、毒性反应及预后。本研究旨在建立一个大型的国际去标识化数据库,纳入因白血病和淋巴瘤接受治疗的A-T患儿,以探讨流行病学与治疗预后、毒性特征及影响预后的风险因素,从而最终能够为这一人群制定基于数据的治疗建议。本研究不会使用标本或与参与者接触。所需的所有数据均已在治疗期间收集完毕。
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。




