靶向CD7 CAR-T细胞治疗自身免疫性疾病的临床研究
该数据集来自clinicaltrials.gov,收录一项靶向CD7 CAR-T细胞治疗自身免疫性疾病的临床研究。覆盖克罗恩病、溃疡性结肠炎、皮肌炎、斯蒂尔病等自身免疫性疾病

基本信息
资源简介
靶向CD7 CAR-T细胞治疗自身免疫性疾病的临床研究
该数据集来自clinicaltrials.gov,收录一项靶向CD7 CAR-T细胞治疗自身免疫性疾病的临床研究。覆盖克罗恩病、溃疡性结肠炎、皮肌炎、斯蒂尔病等自身免疫性疾病。研究背景指出,多数自身免疫性疾病患者依赖激素维持生命,控制不佳时面临残疾甚至死亡风险;患者T细胞功能异常与疾病发生发展密切相关,减少或阻断T细胞功能已成为治疗新突破。CD7是T细胞表面特异性抗原,CD7 CAR-T可特异性攻击T细胞,具有治愈潜力。该数据可用于了解该疗法的研究设计与适用人群(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:克罗恩病、溃疡性结肠炎、皮肌炎、斯蒂尔病、自身免疫性疾病。大多数自身免疫性疾病患者依赖激素维持生命,控制不佳时面临残疾甚至死亡风险。研究发现,患者T细胞功能异常与疾病的发生发展密切相关。因此,减少患者体内T细胞或阻断其功能已成为治疗的最新突破。CD7是T细胞表面的特异性抗原。CD7 CAR-T能够特异性攻击T细胞,具有治愈潜力。2019年,《Science Translational Medicine》杂志报道,Marko Radic团队通过动物实验证明CAR-T细胞在治疗系统性红斑狼疮(SLE)中可实现显著且持久的效果。2021年,《NEJM》杂志
【主题与分类】
主题标签:Crohn Disease、Ulcerative Colitis、Dermatomyositis、Still Disease、Autoimmune Diseases。本站分类:肿瘤。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT05239702
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/NCT05239702
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:克罗恩病、溃疡性结肠炎、皮肌炎、斯蒂尔病、自身免疫性疾病。大多数自身免疫性疾病患者依赖激素维持生命,若病情控制不佳,则面临残疾甚至死亡的风险。研究发现,患者T细胞功能异常与疾病的发生发展密切相关。因此,减少患者体内T细胞或阻断其功能已成为治疗的最新突破。CD7是T细胞表面的特异性抗原。CD7 CAR-T能特异性攻击T细胞,具有治愈潜力。2019年,《科学转化医学》杂志报道,Marko Radic团队通过动物实验证明,CAR-T细胞在治疗系统性红斑狼疮(SLE)中能实现显著且持久的效果。2021年,《新英格兰医学杂志》报道了CAR-T细胞治疗SLE的临床疗效。同年,《临床肿瘤学杂志》报道了CD7 CAR-T细胞治疗T细胞急性淋巴细胞白血病的临床疗效和安全性。
基于当前研究现状,我们申请了靶向CD7 CAR-T细胞治疗难治性自身免疫性疾病的临床研究。入选标准为难治性自身免疫性疾病患者。目的是通过该临床试验研究评估靶向CD7 CAR-T细胞疗法的安全性和有效性,并为CAR-T细胞技术在难治性自身免疫性疾病治疗中的应用提供临床证据和经验参考。
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。




