普瑞隆赛奥仑赛治疗FDA批准CAR-T细胞疗法后复发或难治性大B细胞淋巴瘤
该数据集来自clinicaltrials.gov，收录一项关于Prizlon-cel治疗复发或难治性大B细胞淋巴瘤的II期多中心开放标签研究信息
基本信息
资源简介
普瑞隆赛奥仑赛治疗FDA批准CAR-T细胞疗法后复发或难治性大B细胞淋巴瘤
该数据集来自clinicaltrials.gov，收录一项关于Prizlon-cel治疗复发或难治性大B细胞淋巴瘤的II期多中心开放标签研究信息。覆盖经FDA批准上市CAR T细胞疗法后复发或难治的DLBCL等大B细胞淋巴瘤患者，描述白细胞分离、氟达拉滨和环磷酰胺清淋及Prizlon-cel输注流程，并计划随访24个月评估疗效、安全性、CAR T细胞持久性、药代/药效及生物标志物。可用于了解该细胞疗法在特定人群中的研究设计与评估维度（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：疾病：大B细胞淋巴瘤、LBCL、弥漫性大B细胞淋巴瘤（DLBCL）、复发性弥漫性大B细胞淋巴瘤、高级别B细胞淋巴瘤、FL、HGBL、转化性滤泡性淋巴瘤（TFL）。这项II期、多中心、开放标签研究将评估在经FDA批准、市售CAR T细胞疗法后复发/难治性（r/r）弥漫性大B细胞淋巴瘤受试者中，清淋化疗后单次输注Prizloncel（一种抗CD19/CD20嵌合抗原受体T细胞）的安全性和有效性。约50名受试者将接受白细胞分离、氟达拉滨和环磷酰胺清淋以及Prizlon-cel输注。受试者将被随访24个月（约2年），以评估有效性、安全性、CAR T细胞持久性、药代动力学/药效动力学和生物标志物。基因治疗的长期安全性随访
【主题与分类】
主题标签：Large B Cell Lymphoma、LBCL、Diffuse Large B Cell Lymphoma (DLBCL)、Relapse Diffuse Large B Cell Lymphoma、High Grade B Cell Lymphoma、FL、HGBL、Transformed Follicular Lymphoma (TFL)、Primary Mediastinal B Cell Lymphoma、PMBCL。本站分类：肿瘤/淋巴瘤。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT07875413
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/NCT07875413
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：大B细胞淋巴瘤、LBCL、弥漫性大B细胞淋巴瘤（DLBCL）、复发性弥漫性大B细胞淋巴瘤、高级别B细胞淋巴瘤、FL、HGBL、转化性滤泡性淋巴瘤（TFL）。这项2期、多中心、开放标签研究将评估在经FDA批准、市售CAR T细胞治疗后复发/难治性（r/r）弥漫性大B细胞淋巴瘤受试者中，淋巴细胞清除化疗后单次输注Prizloncel（一种抗CD19/CD20嵌合抗原受体T细胞）的安全性和有效性。约50名受试者将接受白细胞分离术、氟达拉滨和环磷酰胺淋巴细胞清除以及Prizlon-cel输注。受试者将被随访24个月（约2年），以评估有效性、安全性、CAR T细胞持久性、药代动力学/药效学和生物标志物。基因治疗相关事件的长期安全性随访将在CAR T细胞输注后持续长达15年。
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。
