Donanemab 治疗唐氏综合征阿尔茨海默病淀粉样蛋白降低研究
该数据集来自 clinicaltrials.gov,聚焦唐氏综合征人群中的阿尔茨海默病相关淀粉样蛋白降低研究。研究为 Phase 4 临床试验,评估人源化单克隆抗体 donanemab 对非痴呆唐氏综合征受试者脑内淀粉样蛋白(centiloids)的影响,主要目标是减少淀粉样蛋白积聚,同时考察安全性

基本信息
资源简介
Donanemab 治疗唐氏综合征阿尔茨海默病淀粉样蛋白降低研究
该数据集来自 clinicaltrials.gov,聚焦唐氏综合征人群中的阿尔茨海默病相关淀粉样蛋白降低研究。研究为 Phase 4 临床试验,评估人源化单克隆抗体 donanemab 对非痴呆唐氏综合征受试者脑内淀粉样蛋白(centiloids)的影响,主要目标是减少淀粉样蛋白积聚,同时考察安全性与耐受性及治疗潜力。受试者年龄 35-50 岁,认知稳定或存在轻度认知障碍(MCI),淀粉样蛋白 PET 显示 ≥18 centiloids。可用于研究唐氏综合征中临床前及前驱期阿尔茨海默病的干预效果与安全性(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:唐氏综合征(DS)、唐氏综合征(21三体)、阿尔茨海默病、淀粉样β蛋白。这项 Phase 4 临床研究的实施旨在评估 donanemab(一种人源化单克隆抗体)对非痴呆 DS 人群脑内淀粉样蛋白(centiloids)的影响,主要目标是减少淀粉样蛋白积聚。同时,该研究旨在探究 donanemab 的安全性和耐受性及治疗潜力,并保持在早期 AD 人群临床研究中观察到的、直至 1400mg 剂量水平的安全性和耐受性。将在 35-50 岁、认知稳定或患有轻度认知障碍(MCI)的非痴呆 DS 人群中评估 donanemab 的安全性、耐受性和有效性,这些人群可能提示临床前和前驱期 AD,且为淀粉样蛋白-PET 显示 ≥18 centiloids 的遗传人群。
【主题与分类】
主题标签:Down Syndrome (DS)、Down Syndrome (Trisomy 21)、Alzheimer Disease、Amyloid Beta Protein。本站分类:神经系统疾病/阿尔茨海默病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT06911944
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/NCT06911944
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:唐氏综合征(DS)、唐氏综合征(21三体)、阿尔茨海默病、β-淀粉样蛋白。本项4期临床研究的开展旨在评估多奈单抗(一种人源化单克隆抗体)对非痴呆型唐氏综合征人群脑内淀粉样蛋白(centiloids)的影响,主要目标是减少淀粉样蛋白的积聚。同时,本研究旨在探讨多奈单抗的安全性、耐受性及治疗潜力,并维持在早期阿尔茨海默病人群临床研究中观察到的安全性及耐受性,剂量最高至1400mg。将在35-50岁、认知稳定或存在轻度认知障碍(MCI)(可能提示临床前及前驱期阿尔茨海默病)、淀粉样蛋白PET显示≥18 centiloids的遗传人群中,评估多奈单抗在非痴呆型唐氏综合征人群中的安全性、耐受性和疗效。研究持续时间约为12个月(52周)。还将包括一个长期扩展期(LTE),额外持续12个月(52周)。
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。




