Selinexor (KPT-330) 治疗复发/难治性弥漫大B细胞淋巴瘤
研究为多中心、开放标签、Phase 2b 试验，分为两部分：Part 1 固定 60 mg 口服给药，入组 130 名无已证实临床获益治疗选择的 R/R DLBCL 参与者；Part 2 计划入组约 110 人，按 1:1 随机分配至 40 mg 或 60 mg 组，并按既往自体干细胞移植史分层
基本信息
资源简介
Selinexor (KPT-330) 治疗复发/难治性弥漫大B细胞淋巴瘤
该数据集来自 clinicaltrials.gov，主题为 Selinexor (KPT-330) 用于复发/难治性弥漫大B细胞淋巴瘤（DLBCL）的临床研究。研究为多中心、开放标签、Phase 2b 试验，分为两部分：Part 1 固定 60 mg 口服给药，入组 130 名无已证实临床获益治疗选择的 R/R DLBCL 参与者；Part 2 计划入组约 110 人，按 1:1 随机分配至 40 mg 或 60 mg 组，并按既往自体干细胞移植史分层。数据可用于肿瘤/淋巴瘤治疗相关的分类或预测建模（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：条件：弥漫大B细胞淋巴瘤。这是一项多中心、开放标签、Phase 2b 研究，评估选择性核输出抑制剂（SINE）selinexor（40 或 60 毫克[mg]）口服（PO）给予复发/难治性 DLBCL 参与者。该研究分 2 部分（Part 1 和 Part 2）进行。对于 Part 1，固定 60 mg 剂量的 selinexor 口服给予 130 名复发/难治性 DLBCL 参与者，这些参与者没有已证实临床获益的治疗选择，符合入组标准且无任何排除标准，将入组接受 selinexor 直至疾病进展或不耐受发生。对于 Part 2，计划入组约 110 名参与者（每组 55 名）。参与者将按 1:1 比例随机（开放标签）分配至 Arm A（40 mg）或 Arm B（60 mg），并将根据既往自体干细胞移植史进行分层
【主题与分类】
主题标签：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/NCT02227251
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/NCT02227251
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：弥漫性大B细胞淋巴瘤。这是一项多中心、开放标签的2b期研究，旨在评估选择性核输出抑制剂（SINE）selinexor（40或60毫克[mg]）口服（PO）给药于复发/难治性（R/R）DLBCL参与者的效果。该研究分为两部分（第1部分和第2部分）进行。对于第1部分，固定剂量60 mg的selinexor口服给予130名R/R DLBCL参与者，这些参与者无已证实临床获益的治疗选择，符合入选标准且无排除标准，将入组接受selinexor治疗，直至疾病进展或不耐受发生。对于第2部分，计划入组约110名参与者（每组55名）。参与者将以1：1的比例随机（开放标签）分配至A组（40 mg）或B组（60 mg），并根据既往是否接受过自体干细胞移植（ASCT）进行分层。所有参与者将随访至疾病进展和/或死亡。
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。
