评估8M2D在健康人和阿尔茨海默病患者中安全性及耐受性的1期研究
该数据集来自clinicaltrials.gov,聚焦于8M2D在健康受试者与早期阿尔茨海默病患者中的1期临床试验。试验分为三部分:Ia期首次人体试验,含单次递增剂量(SAD)和多次递增剂量(MAD),评估安全性、耐受性、药代动力学及探索性免疫原性;Ib期针对早期AD患者,评估多次给药的安全性、耐受

基本信息
资源简介
评估8M2D在健康人和阿尔茨海默病患者中安全性及耐受性的1期研究
该数据集来自clinicaltrials.gov,聚焦于8M2D在健康受试者与早期阿尔茨海默病患者中的1期临床试验。试验分为三部分:Ia期首次人体试验,含单次递增剂量(SAD)和多次递增剂量(MAD),评估安全性、耐受性、药代动力学及探索性免疫原性;Ib期针对早期AD患者,评估多次给药的安全性、耐受性、药代动力学、探索性免疫原性及药效动力学。数据可用于识别具有安全性和耐受性且对淀粉样蛋白β(Aβ)有药效动力学效应的剂量,辅助未来AD试验设计(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:阿尔茨海默病(AD)。试验依据:这是一项三部分的1a/1b期临床试验。Ia期是首次人体(FIH)试验,分为两部分(Part I [SAD]和Part II [MAD]),旨在评估8M2D单次和多次给药在健康受试者中的安全性、耐受性、药代动力学(PK)和探索性免疫原性。Ib期将包括Part III(阿尔茨海默病[AD]),旨在评估多次给药8M2D在早期AD受试者中的安全性、耐受性、PK、探索性免疫原性和药效动力学(PD)。该试验的数据将用于确定8M2D在淀粉样蛋白β(Aβ)上显示安全性和耐受性及PD效应的剂量,以帮助设计未来的AD患者试验。在本试验之前,8M2D尚未在人体中给药。安全性和耐受性评估将在一定范围内进行
【主题与分类】
主题标签:Alzheimer's Disease (AD)。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/NCT07568041
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/NCT07568041
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
适应症:阿尔茨海默病(AD)。试验依据:这是一项分为三部分的1a/b期临床试验。Ia期为首次人体(FIH)试验,包含两部分(第一部分[SAD]和第二部分[MAD]),旨在评估8M2D单次和多次给药在健康受试者中的安全性、耐受性、药代动力学(PK)及探索性免疫原性。Ib期将包括第三部分(阿尔茨海默病[AD]),旨在评估8M2D多次给药在早期AD受试者中的安全性、耐受性、PK、探索性免疫原性及药效动力学(PD)。本试验的数据将用于确定8M2D在安全性和耐受性方面可接受且对β-淀粉样蛋白(Aβ)具有PD效应的剂量,以协助设计未来在AD患者中开展的试验。在本试验之前,8M2D尚未在人体中给药。安全性及耐受性评估将在8M2D单次和多次给药的多个剂量范围内进行,且在独立的数据与安全监查委员会(DSMB)审查既往剂量的安全性、耐受性数据及PK参数之前,不会进行剂量递增。
本试验旨在评估最大耐受剂量(MTD)、或最大可行剂量(基于皮下[SC]注射的耐受性)、或最大药理活性剂量,依据安全性、耐受性和药代动力学(PK)数据,以及基于模型预测的预期Aβ降低效果。本试验产生的数据将用于帮助设计后续针对早期AD参与者的临床试验。
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。

![[18F]ACI-19626 PET 在 TDP-43 蛋白病中的应用](/medical-api/medicalDataset/datasetCover/69930.jpg)


