Zandelisib联合Tazemetostat治疗复发难治性滤泡性淋巴瘤
该数据集来自clinicaltrials.gov,收录Zandelisib联合Tazemetostat治疗复发或难治性滤泡性淋巴瘤(FL)1-3A级的1期研究及2期双臂扩展部分

基本信息
资源简介
Zandelisib联合Tazemetostat治疗复发难治性滤泡性淋巴瘤
该数据集来自clinicaltrials.gov,收录Zandelisib联合Tazemetostat治疗复发或难治性滤泡性淋巴瘤(FL)1-3A级的1期研究及2期双臂扩展部分。这是该药物组合首次用于人体,研究包括资格筛查、治疗评估和随访,受试者持续用药至不耐受或疾病进展,联合用药最长14个月、随访最长2年,预计约34人参与。数据可用于了解该联合方案在复发难治性FL中的研究设计与安全性评估框架(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:复发滤泡性淋巴瘤、难治性滤泡性淋巴瘤。这是一项Zandelisib与Tazemetostat的1期研究,包含针对复发或难治性滤泡性淋巴瘤(FL)1-3A级患者的2期扩展双臂部分。- 本研究涉及Zandelisib联合Tazemetostat。这是Zandelisib与Tazemetostat药物组合首次用于人体。 研究程序包括资格筛查和研究治疗,含评估和随访访视 受试者将接受研究治疗,只要治疗可耐受且疾病未恶化。 研究药物组合的最长用药时间为14个月。受试者将被随访长达2年。 预计约34人将参与本研究。美国食品药品监督管理局(
【主题与分类】
主题标签:Relapsed Follicular Lymphoma、Refractory Follicular Lymphoma。本站分类:肿瘤/淋巴瘤。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT05604417
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/NCT05604417
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
疾病状态:复发性滤泡性淋巴瘤、难治性滤泡性淋巴瘤。这是一项Zandelisib与Tazemetostat联合治疗的1期研究,并包含一个2期扩展双臂组成部分,受试者为复发或难治性滤泡性淋巴瘤(FL)1-3A级患者。- 本研究涉及Zandelisib与Tazemetostat联合用药。这是Zandelisib与Tazemetostat的药物组合首次用于人体。* 研究程序包括资格筛选和研究治疗,包括评估和随访访视 * 只要治疗可耐受且疾病未恶化,受试者将持续接受研究治疗。* 接受研究药物联合治疗的最长时间为14个月。受试者将被随访长达2年。* 预计约34人将参加本研究。美国食品药品监督管理局(FDA)尚未批准zandelisib用于治疗任何疾病。美国FDA已批准tazemetostat作为单药疗法用于治疗复发或难治性滤泡性淋巴瘤。这是该药物组合首次用于人体。这是一项I/II期临床试验。
参与者将被要求参加本临床试验的I期或II期部分。* I期临床试验测试研究药物的安全性,并尝试确定用于进一步研究的适当剂量。* II期临床试验测试研究药物的安全性和有效性,以了解该药物在治疗特定疾病方面是否有效。“研究性”意味着该药物正在被研究之中。
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。




