SL-28 治疗晚期实体瘤的扩展可及性方案
该数据集来自 clinicaltrials.gov，为 SL-28 治疗晚期实体瘤的扩展可及性方案（EAP），在 FDA 批准前向受试者提供 SL-28
基本信息
资源简介
SL-28 治疗晚期实体瘤的扩展可及性方案
该数据集来自 clinicaltrials.gov，为 SL-28 治疗晚期实体瘤的扩展可及性方案（EAP），在 FDA 批准前向受试者提供 SL-28。覆盖儿童神经母细胞瘤、复发难治性神经母细胞瘤、晚期癌症、晚期恶性肿瘤、伴骨转移的前列腺癌、非小细胞肺癌及胃肠道肿瘤等。入组对象为对标准化疗、免疫治疗无应答或任一阶段出现疾病进展的晚期实体瘤患者。SL-28 为基于健康供者白细胞经专有工艺激活的细胞疗法，研究者认为其对不同类型肿瘤具有直接活性。可用于肿瘤免疫细胞治疗相关研究（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：适应症：儿童神经母细胞瘤、复发难治性神经母细胞瘤、晚期癌症、晚期恶性肿瘤、伴骨转移的前列腺癌患者、非小细胞肺癌（NSCLC）、非小细胞肺癌、胃肠道肿瘤。这是一项扩展可及性方案（EAP），将在 SL-28 获得 FDA 批准前使受试者能够获得该药物。本研究受试者为对标准治疗（化疗、免疫治疗）无应答或在标准治疗任一阶段出现疾病进展的晚期实体瘤患者。研究者认为 SL-28 会有效，因为 SL-28 对不同类型肿瘤具有直接活性。SL-28 是一种细胞疗法，基于从健康供者分离的白细胞，并通过专有工艺激活。在质量评估（无菌性、活细胞计数
【主题与分类】
主题标签：Neuroblastoma in Children、Neuroblastoma, Recurrent, Refractory、Advanced Cancer、Advanced Malignant Neoplasm、Lung Cancer - Non Small Cell、Gastrointestinal Cancers、Head and Neck Cancer、Pancreatic Cancer。本站分类：肿瘤/肺癌。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT06872489
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/NCT06872489
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：儿童神经母细胞瘤、神经母细胞瘤、复发性、难治性、晚期癌症、晚期恶性肿瘤、伴骨转移的前列腺癌患者、非小细胞肺癌（NSCLC）、非小细胞肺癌、胃肠道癌症。这是一项扩展准入计划（EAP），将使参与者在SL-28获得FDA批准之前能够使用该药物。参与本研究的对象为晚期实体瘤患者，这些患者对标准治疗（化疗、免疫治疗）无应答，或在标准治疗的任何阶段出现疾病进展。研究人员认为SL-28将有效，因为SL-28对不同类型肿瘤具有直接活性。SL-28是一种基于细胞的疗法，基于从健康供者分离的白细胞，并通过专有工艺进行激活。经过质量评估（无菌性、活细胞计数、纯度及无感染性疾病）后，将其储存在-80°C直至使用。需要时，将SL-28解冻，随后检查其活力、计数和无菌性。符合入选标准的18至65岁及以上成人和老年人将纳入本研究。
患者在第1-5天和第8-12天每天接受一次SL-28静脉注射。根据患者的反应，将评估是否需要额外注射。如果MRI确认患者病情有所改善，可以继续每周注射5天。
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。
