ACP-196（Acalabrutinib）联合 Pembrolizumab 治疗血液系统恶性肿瘤
覆盖滤泡性淋巴瘤、CLL、小淋巴细胞淋巴瘤、Richter's Syndrome、套细胞淋巴瘤、惰性非霍奇金淋巴瘤、Waldenström Macroglobulinemia、多发性骨髓瘤等 B 细胞恶性肿瘤，并涉及骨髓纤维化
基本信息
资源简介
ACP-196（Acalabrutinib）联合 Pembrolizumab 治疗血液系统恶性肿瘤
该数据集来自 clinicaltrials.gov，聚焦 ACP-196（Acalabrutinib）联合 Pembrolizumab 治疗血液系统恶性肿瘤的临床研究。覆盖滤泡性淋巴瘤、CLL、小淋巴细胞淋巴瘤、Richter's Syndrome、套细胞淋巴瘤、惰性非霍奇金淋巴瘤、Waldenström Macroglobulinemia、多发性骨髓瘤等 B 细胞恶性肿瘤，并涉及骨髓纤维化。研究为 1b/2 期、开放标签、非随机设计，分两阶段进行：第一部分评估联合方案在有限 B 细胞恶性肿瘤人群中的安全性和初步疗效，第二部分可能扩展至更广 B 细胞恶性肿瘤，第三部分评估该联合方案在骨髓纤维化受试者中的表现。可用于肿瘤与淋巴瘤方向的。
【数据内容】
源站描述（机器翻译，仅供参考）：条件：滤泡性淋巴瘤（FL）、CLL、小淋巴细胞淋巴瘤（SLL）、Richter's Syndrome、套细胞淋巴瘤（MCL）、惰性非霍奇金淋巴瘤、Waldenström Macroglobulinemia、多发性骨髓瘤。这是一项 1b/2 期、开放标签、非随机研究，将分 2 个阶段进行。在第一阶段，研究第 1 部分将在有限的一组 B 细胞恶性肿瘤中确定 acalabrutinib 和 pembrolizumab 的安全性和初步疗效。在第二阶段，第 2 部分允许可能扩展队列至更广泛的 B 细胞恶性肿瘤，第 3 部分将评估该联合方案在骨髓纤维化（MF）受试者中的表现。
【主题与分类】
主题标签：Follicular Lymphoma (FL)、CLL、Small Lymphocytic Lymphoma (SLL)、Richter's Syndrome、Mantle Cell Lymphoma (MCL)、Indolent Non Hodgkin Lymphoma、Waldenström Macroglobulinemia、Multiple Myeloma、Hodgkin Lymphoma、Burkitt Lymphoma。本站分类：肿瘤/淋巴瘤。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT02362035
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/NCT02362035
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：滤泡性淋巴瘤（FL）、慢性淋巴细胞白血病（CLL）、小淋巴细胞淋巴瘤（SLL）、里氏综合征、套细胞淋巴瘤（MCL）、惰性非霍奇金淋巴瘤、华氏巨球蛋白血症、多发性骨髓瘤。这是一项1b/2期、开放标签、非随机研究，将分两个阶段进行。在第一阶段，研究第1部分将在有限的一组B细胞恶性肿瘤患者中确定acalabrutinib和pembrolizumab的安全性和初步疗效。在第二阶段，第2部分允许可能扩展至更广泛的B细胞恶性肿瘤队列，第3部分将评估该联合方案在骨髓纤维化（MF）受试者中的效果。
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。
