CT1182注射液治疗复发/难治性非霍奇金淋巴瘤的安全性、有效性及代谢动力学临床研究
该数据集来自clinicaltrials.gov,聚焦CT1182注射液治疗复发/难治性非霍奇金淋巴瘤的临床研究,覆盖B细胞非霍奇金淋巴瘤、弥漫大B细胞淋巴瘤和滤泡性淋巴瘤

基本信息
资源简介
CT1182注射液治疗复发/难治性非霍奇金淋巴瘤的安全性、有效性及代谢动力学临床研究
该数据集来自clinicaltrials.gov,聚焦CT1182注射液治疗复发/难治性非霍奇金淋巴瘤的临床研究,覆盖B细胞非霍奇金淋巴瘤、弥漫大B细胞淋巴瘤和滤泡性淋巴瘤。研究设定MTD目标毒性概率为30%,暂定四个剂量水平进行剂量递增,计划入组3至24名受试者,采用Boin design剂量递增方法,DLT观察期为首次输注后28天。可用于了解该细胞治疗产品的安全性、有效性及代谢动力学研究设计(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:B细胞非霍奇金淋巴瘤(NHL)、DLBCL - 弥漫大B细胞淋巴瘤、滤泡性淋巴瘤(FL)。本研究的MTD目标毒性概率设定为30%。暂定四个剂量水平用于剂量递增:1.2 × 10 ^ 8、3.0 × 10 ^ 8、6.0 × 10 ^ 8、1.2 × 10 ^ 8 Tu CT1182。计划入组3-24名受试者。各剂量组的病例数须视实际情况而定。剂量递增采用Boin design的剂量递增方法。如果探索剂量未被确认为可能的最大耐受剂量(MTD),研究者和申办方可共同讨论是增加至更高剂量还是降低至更低剂量以探索可能的MTD。DLT的观察期为首次输注后28天。如果在输注后28天内未检测到CD19/CD20 car-t细胞的明显扩增,则r
【主题与分类】
主题标签:B-cell Non Hodgkin Lymphoma (NHL)、DLBCL - Diffuse Large B Cell Lymphoma、Follicular Lymphoma (FL)。本站分类:肿瘤/淋巴瘤。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07548697
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/NCT07548697
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
疾病类型:B细胞非霍奇金淋巴瘤(NHL)、DLBCL——弥漫性大B细胞淋巴瘤、滤泡性淋巴瘤(FL)。本研究的MTD目标毒性概率设定为30%。初步确定四个剂量递增水平:1.2 × 10^8、3.0 × 10^8、6.0 × 10^8、1.2 × 10^8 Tu CT1182。计划入组3-24名受试者。各剂量组的病例数将根据实际情况确定。剂量递增采用Boin设计的剂量递增方法。若探索剂量未被确认为可能的最大耐受剂量(MTD),研究者和申办方可共同讨论是增加至更高剂量还是降低至更低剂量,以探索可能的MTD。DLT的观察期为首次输注后28天。
若输注后28天内未检测到CD19/CD20 CAR-T细胞明显扩增,研究者判断可能因输注剂量较低导致治疗无效,或研究参与者可能因疾病进展等原因提前退出治疗,仍需继续观察研究参与者的安全性,直至完成28天观察期。若未观察到DLT,且研究者评估该剂量组剂量过低,无法使患者获益,则该剂量组可不再继续纳入研究参与者,但可继续爬坡下一剂量组的剂量。本研究的主要目的是探索CT1182在研究参与者中的安全性和耐受性。主要终点是评估CT1182输注后不良事件的发生频率、类型和严重程度,以及DLT和MTD。
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。




