SynKIR-310 用于复发/难治性 B-NHL 的 1 期研究
该数据集来自 clinicaltrials.gov，聚焦肿瘤/淋巴瘤领域，主题为 SynKIR-310 用于复发/难治性 B 细胞非霍奇金淋巴瘤（B-NHL）的 1 期、首次人体（FIH）、多中心、开放标签研究
基本信息
资源简介
SynKIR-310 用于复发/难治性 B-NHL 的 1 期研究
该数据集来自 clinicaltrials.gov，聚焦肿瘤/淋巴瘤领域，主题为 SynKIR-310 用于复发/难治性 B 细胞非霍奇金淋巴瘤（B-NHL）的 1 期、首次人体（FIH）、多中心、开放标签研究。覆盖成人 B 细胞淋巴瘤、套细胞淋巴瘤、复发及难治性非霍奇金淋巴瘤、侵袭性与惰性 B 细胞 NHL、滤泡性淋巴瘤等亚型。研究计划入组最多 36 名符合条件者，按最多 4 个队列、每队列 3 至 6 人评估安全性与可行性，并进行剂量递增以确定 RP2D，随后在 RP2D 开展剂量扩展组。可用于了解该试验设计、入组与剂量探索信息（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、NHL、成人、套细胞淋巴瘤、复发非霍奇金淋巴瘤、难治性非霍奇金淋巴瘤、侵袭性 B 细胞非霍奇金淋巴瘤、惰性 B 细胞非霍奇金淋巴瘤、滤泡性淋巴瘤。这是一项 SynKIR-310 单次输注用于复发/难治性 B-NHL 受试者的 1 期、FIH、多中心、开放标签研究。最多 36 名符合入选标准、无论 B-NHL 亚型的受试者将接受研究治疗。将评估最多 4 个队列、每队列 3 至 6 名受试者，以确定 SynKIR-310 治疗的安全性和可行性。剂量将在最多 4 个队列中递增，以确定推荐 2 期剂量（RP2D）。一旦确定 RP2D，剂量扩展组将入组更多受试者，无论 B-NHL 亚型，在 RP2D 下进一步表征安全性、可行性
【主题与分类】
主题标签：B Cell Lymphoma、NHL, Adult、Mantle Cell Lymphoma、Relapsed Non-Hodgkin Lymphoma、Refractory Non-Hodgkin Lymphoma、Aggressive B-Cell Non-Hodgkin Lymphoma、Indolent B-Cell Non-Hodgkin Lymphoma、Follicular Lymphoma、Marginal Zone Lymphoma、DLBCL - 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/NCT06544265
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/NCT06544265
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：B细胞淋巴瘤、非霍奇金淋巴瘤（NHL）、成人、套细胞淋巴瘤、复发性非霍奇金淋巴瘤、难治性非霍奇金淋巴瘤、侵袭性B细胞非霍奇金淋巴瘤、惰性B细胞非霍奇金淋巴瘤、滤泡性淋巴瘤。这是一项针对复发/难治性B细胞非霍奇金淋巴瘤（B-NHL）受试者的SynKIR-310单次输注的1期、首次人体（FIH）、多中心、开放标签研究。符合入选标准的至多36名受试者，无论B-NHL亚型如何，都将接受研究治疗。将评估至多4个队列，每队列3至6名受试者，以确定SynKIR-310治疗的安全性和可行性。剂量将在至多4个队列中递增，以确定推荐的2期剂量（RP2D）。一旦确定RP2D，剂量扩展组将纳入更多受试者，无论B-NHL亚型如何，在RP2D下进一步表征SynKIR-310治疗B-NHL的安全性、可行性和初步疗效。
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。
