靶向B细胞淋巴瘤的多重CAR-T细胞
该数据集来源于ClinicalTrials.gov,主题为靶向B细胞淋巴瘤的多重CAR-T细胞疗法。源站描述指出,CAR-T细胞疗法在治疗B细胞恶性肿瘤中已显示有效,但CD19-CART后因CD19抗原丢失或CART细胞耗竭导致复发率较高,且复发/难治性B细胞淋巴瘤(如原发纵隔B细胞淋巴瘤)的治疗成

基本信息
资源简介
靶向B细胞淋巴瘤的多重CAR-T细胞
该数据集来源于ClinicalTrials.gov,主题为靶向B细胞淋巴瘤的多重CAR-T细胞疗法。源站描述指出,CAR-T细胞疗法在治疗B细胞恶性肿瘤中已显示有效,但CD19-CART后因CD19抗原丢失或CART细胞耗竭导致复发率较高,且复发/难治性B细胞淋巴瘤(如原发纵隔B细胞淋巴瘤)的治疗成功仍面临挑战。数据集可用于了解该试验的注册信息及相关研究背景(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:B细胞淋巴瘤(BCL)。重要监管提示:本试验记录仅用于在ClinicalTrials.gov上进行全球学术信息注册。申办方北京美康吉免生物科技有限公司及合作方深圳基因免疫医学研究所均未获得NMPA临床试验批准或临床技术备案许可,无法在中国大陆开展介入性细胞治疗试验。仅在ClinicalTrials.gov注册并不代表获得中国卫生和药品监管部门的合法批准。嵌合抗原受体(CAR)T细胞疗法已被证明在治疗B细胞恶性肿瘤方面有效。然而,由于CD19抗原丢失或CART细胞耗竭,CD19-CART后复发率很高。此外,治疗复发/难治性B细胞淋巴瘤(BCL)如原发纵隔B细胞淋巴瘤(PMBCL)的成功
【主题与分类】
主题标签:B Cell Lymphoma (BCL)。本站分类:肿瘤/淋巴瘤。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT04429438
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/NCT04429438
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:B细胞淋巴瘤(BCL)。重要监管提示:本试验记录仅用于在ClinicalTrials.gov进行全球学术信息注册。申办方北京美康吉免生物科技有限公司及合作方深圳基因免疫医学研究所均未获得NMPA临床试验批准或临床技术备案许可,无法在中国大陆开展干预性细胞治疗试验。仅在ClinicalTrials.gov注册并不代表获得中国卫生和药品监管部门的合法批准。嵌合抗原受体(CAR)T细胞疗法已被证明对治疗B细胞恶性肿瘤有效。然而,CD19-CART治疗后复发率较高,原因在于CD19抗原丢失或CART细胞耗竭。此外,治疗复发/难治性B细胞淋巴瘤(BCL),如原发性纵隔B细胞淋巴瘤(PMBCL)和中枢神经系统受累的BCL,成功率有限。为克服肿瘤逃逸并延长CART在体内的疗效,我们开发了一种新型多CAR-T治疗方案,包括加强和巩固CART应用,以靶向高度难治性癌症。
在通过肿瘤标本免疫染色确认靶抗原(包括CD19、CD20、CD22、CD70、CD13、CD79b、GD2和PSMA)后,将入选特定患者。目的是评估多种CART治疗策略在BCL患者中的安全性和长期疗效。
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。




