CD30 CAR-T治疗复发难治性CD30阳性T细胞淋巴瘤
该数据集来自clinicaltrials.gov,聚焦复发或难治性CD30阳性外周T细胞淋巴瘤(PTCL)的多中心、开放标签II期研究

基本信息
资源简介
CD30 CAR-T治疗复发难治性CD30阳性T细胞淋巴瘤
该数据集来自clinicaltrials.gov,聚焦复发或难治性CD30阳性外周T细胞淋巴瘤(PTCL)的多中心、开放标签II期研究。研究评估表达CD30特异性嵌合抗原受体的自体活化T淋巴细胞(ATLCAR.CD30)分两次序贯输注的疗效与安全性,计划最多20例受试者接受2次2×10^8 cells/m2的细胞输注。输注前受试者接受氟达拉滨和苯达莫司汀清淋,制备等待期可接受桥接治疗。数据可用于细胞治疗疗效与安全性预测研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):适应症:外周T细胞淋巴瘤。这项多中心、开放标签的II期研究将确定表达CD30特异性嵌合抗原受体的自体活化T淋巴细胞(ATLCAR.CD30)在复发/难治性CD30+ PTCL受试者中分两次序贯输注给药的疗效和安全性。最多20名受试者将接受2次输注,每次2 × 108 cells/m2的表达CAR.CD30的ATL产品。获取受试者细胞并生产ATLCAR.CD30细胞可能需要时间。在生产产品所需的时间段内,受试者将能够接受由其原发局部肿瘤科医生确定的标准化疗桥接治疗。在接受第一次细胞输注之前,受试者将接受氟达拉滨和苯达莫司汀的清淋治疗。任何既往对苯达莫司汀有超敏反应的受试者将被考虑
【主题与分类】
主题标签:Peripheral T Cell Lymphoma。本站分类:肿瘤/淋巴瘤。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT04083495
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/NCT04083495
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
条件:外周T细胞淋巴瘤。这项多中心、开放标签的II期研究将确定表达针对CD30的嵌合抗原受体的自体活化T淋巴细胞(ATLCAR.CD30)在复发/难治性CD30+ PTCL受试者中分两次序贯输注给药的疗效和安全性。最多20名受试者将接受2次输注,每次输注表达CAR.CD30的ATL产品,剂量为2×10^8个细胞/m2。获取受试者细胞并制造ATLCAR.CD30细胞可能需要时间。在制造产品所需的时间段内,受试者将能够接受由其原发局部肿瘤科医生确定的标准治疗桥接治疗。在接受首次细胞输注之前,受试者将接受氟达拉滨和苯达莫司汀的清淋治疗。任何既往对苯达莫司汀有超敏反应的受试者将被考虑采用替代清淋方案。受试者将在第8周通过胸部、腹部和盆腔CT或PET/CT评估疾病。
受试者若疾病稳定(SD)、部分缓解(PR)或完全缓解(CR),且后续无疾病进展,并符合第二次输注的入选标准,将接受淋巴细胞清除后继以第二次输注。第二次输注前的淋巴细胞清除方案将由环磷酰胺和氟达拉滨组成。大纲 细胞采集 将从受试者采集最多300 mL外周血(最多3次采集)用于细胞采集。此外,对于绝对淋巴细胞计数低或外周血采集不充分的受试者,可进行白细胞分离术以分离足够细胞。分离术参数为最多2个血容量。等待CAR-T细胞制备期间的桥接化疗 若治疗医生认为符合受试者最佳利益,允许受试者接受额外的标准治疗(如化疗或放疗)以稳定病情。淋巴
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。




