MEN1703（SEL24）治疗复发或难治性侵袭性B细胞非霍奇金淋巴瘤（JASPIS-01）
研究分三部分：安全性导入与富集阶段，未接受过抗CD3xCD20双特异性抗体治疗者接受150 mg或125 mg MEN1703联合glofitamab，已耗尽标准治疗选项者接受125 mg MEN1703单药；第三部分为可选随机比较
基本信息
资源简介
MEN1703（SEL24）治疗复发或难治性侵袭性B细胞非霍奇金淋巴瘤（JASPIS-01）
该数据集来自clinicaltrials.gov，主题为MEN1703（Dapolsertib hydrochloride）联合glofitamab或单药治疗复发或难治性侵袭性B细胞非霍奇金淋巴瘤的临床研究（JASPIS-01）。研究分三部分：安全性导入与富集阶段，未接受过抗CD3xCD20双特异性抗体治疗者接受150 mg或125 mg MEN1703联合glofitamab，已耗尽标准治疗选项者接受125 mg MEN1703单药；第三部分为可选随机比较。数据可用于分析该联合或单药方案的安全性与剂量选择（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：条件：非霍奇金淋巴瘤，B细胞。该研究由3部分组成，旨在研究MEN1703（Dapolsertib hydrochloride）联合glofitamab用于未接受过抗CD3xCD20双特异性抗体治疗的患者（第1组），或MEN1703单药用于已耗尽所有标准治疗选项的患者（第2组）。第1部分（安全性导入）和第2部分（富集）：未接受过抗CD3xCD20双特异性抗体治疗的患者（第1组）将接受150 mg或125 mg MEN1703联合glofitamab。已耗尽所有标准治疗选项的患者（第2组）将接受125 mg MEN1703作为单药治疗。第3部分（可选随机比较）：未接受过抗CD3xCD20双特异性抗体治疗的患者将被随机分配接受从第2部分选定的剂量的MEN1703（Dapolsertib hydrochloride）联合
【主题与分类】
主题标签：Non-Hodgkin Lymphoma, B-cell。本站分类：肿瘤/淋巴瘤。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT06534437
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/NCT06534437
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：非霍奇金淋巴瘤，B细胞型。本研究由3部分组成，旨在研究MEN1703（盐酸达泊西替尼）联合glofitamab用于未接受过抗CD3xCD20双特异性抗体治疗的患者（第1组），或MEN1703单药用于已穷尽所有标准治疗方案的患者（第2组）。第1部分（安全性导入）和第2部分（富集）：未接受过抗CD3xCD20双特异性抗体治疗的患者（第1组）将接受150 mg或125 mg MEN1703联合glofitamab治疗。已穷尽所有标准治疗方案的患者（第2组）将接受125 mg MEN1703单药治疗。第3部分（可选随机对照）：未接受过抗CD3xCD20双特异性抗体治疗的患者将随机接受第2部分所选剂量的MEN1703（盐酸达泊西替尼）联合glofitamab治疗，或glofitamab单药治疗。
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。
