自体CD19 CAR-T细胞疗法(SYNCAR-001)联合正交IL-2(STK-009)治疗CD19阳性血液系统恶性肿瘤受试者
该数据集来自clinicaltrials.gov,聚焦于CD19+血液恶性肿瘤,涵盖CLL/SLL、NHL、套细胞淋巴瘤、滤泡性淋巴瘤、大B细胞淋巴瘤、惰性B细胞非霍奇金淋巴瘤及弥漫性大B细胞淋巴瘤

基本信息
资源简介
自体CD19 CAR-T细胞疗法(SYNCAR-001)联合正交IL-2(STK-009)治疗CD19阳性血液系统恶性肿瘤受试者
该数据集来自clinicaltrials.gov,聚焦于CD19+血液恶性肿瘤,涵盖CLL/SLL、NHL、套细胞淋巴瘤、滤泡性淋巴瘤、大B细胞淋巴瘤、惰性B细胞非霍奇金淋巴瘤及弥漫性大B细胞淋巴瘤。研究评估由SYNCAR-001(共表达工程化IL-2β受体的CD19靶向CAR-T)与STK-009(对hoRb选择性的工程化聚乙二醇化IL-2细胞因子)组成的双组分人源正交IL-2受体-配体细胞疗法。剂量递增采用3+3设计,A队列联合淋巴清除,B队列在剂量水平3时不联合淋巴清除,后续扩展在各自RP2D入组。可用于血液肿瘤细胞免疫治疗研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:CLL/SLL、NHL、套细胞淋巴瘤、滤泡性淋巴瘤、大B细胞淋巴瘤、惰性B细胞非霍奇金淋巴瘤、弥漫性大B细胞淋巴瘤。SYNCAR-001 + STK-009是一种双组分人源正交(ho)IL-2受体-配体细胞疗法,由以下组成:(1)SYNCAR-001,一种共表达工程化IL-2β受体(hoRb)的CD19靶向嵌合抗原受体T细胞(CAR-T);以及(2)STK-009,一种对hoRb选择性的工程化聚乙二醇化IL-2细胞因子(hoIL-2)。该研究将在剂量递增期间遵循3+3设计。A队列将入组接受SYNCAR-001 + STK-009联合淋巴清除的受试者。在剂量水平3,将引入一个单独的剂量递增队列,入组接受SYNCAR-001 + STK-009但不联合淋巴清除的受试者(B队列)。后续剂量扩展将在每个队列的RP2D入组受试者。
【主题与分类】
主题标签:CLL/SLL、NHL、Mantle Cell Lymphoma、Follicular Lymphoma、Large B-cell Lymphoma、Indolent B-Cell Non-Hodgkin Lymphoma、Diffuse Large B Cell Lymphoma。本站分类:肿瘤/淋巴瘤。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT05665062
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/NCT05665062
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:CLL/SLL、NHL、套细胞淋巴瘤、滤泡性淋巴瘤、大B细胞淋巴瘤、惰性B细胞非霍奇金淋巴瘤、弥漫性大B细胞淋巴瘤。SYNCAR-001 + STK-009是一种双组分人源正交(ho)IL-2受体-配体细胞疗法,由以下两部分组成:(1)SYNCAR-001,一种靶向CD19的嵌合抗原受体T细胞(CAR-T),共表达工程化IL-2β受体(hoRb);(2)STK-009,一种工程化聚乙二醇化IL-2细胞因子(hoIL-2),对hoRb具有选择性。本研究将在剂量递增阶段采用3+3设计。A队列将入组接受SYNCAR-001 + STK-009联合淋巴细胞清除治疗的受试者。在剂量水平3,将引入一个单独的剂量递增队列,入组接受SYNCAR-001 + STK-009但不进行淋巴细胞清除的受试者(B队列)。后续剂量扩展将在各队列的RP2D水平入组受试者。
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。




