既往接受RBI方案RB-ADSC-02治疗受试者重复脑室内注射RB-ADSC
该数据集来自clinicaltrials.gov,属于神经系统疾病/阿尔茨海默病领域,对应一项Phase 1b扩展试验。试验针对既往接受并成功完成RBI方案RB-ADSC-02治疗的受试者,通过先前植入的Ommaya储液囊每2个月进行一次RB-ADSC脑室内注射,最多6次,末次给药后随访2个月

基本信息
资源简介
既往接受RBI方案RB-ADSC-02治疗受试者重复脑室内注射RB-ADSC
该数据集来自clinicaltrials.gov,属于神经系统疾病/阿尔茨海默病领域,对应一项Phase 1b扩展试验。试验针对既往接受并成功完成RBI方案RB-ADSC-02治疗的受试者,通过先前植入的Ommaya储液囊每2个月进行一次RB-ADSC脑室内注射,最多6次,末次给药后随访2个月。主要目标为评估重复给药的安全性与耐受性,包括剂量限制性毒性、其他不良事件、细胞因子反应综合征的发生率与严重程度及生命体征测量等。可用于阿尔茨海默病细胞治疗重复给药安全性相关研究(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。这是一项Phase 1b扩展试验,旨在允许对既往接受并成功完成RBI方案RB-ADSC-02治疗的受试者重复进行RB-ADSC脑室内注射。在之前的Phase 1临床试验RB-ADSC-02中,轻至中度阿尔茨海默病(AD)受试者接受了单次RB-ADSC脑室内注射。RB-ADSC将每2个月通过先前植入的Ommaya储液囊进行脑室内给药,总共最多6次注射。参与者将在末次给药后随访2个月。主要目标是RB-ADSC重复给药的安全性和耐受性。不良事件(AEs)和严重不良事件(SAEs)将通过剂量限制性毒性(DLT)和其他AEs的发生率与严重程度、细胞因子反应综合征的发生率与严重程度、生命体征测量等进行评估
【主题与分类】
主题标签:Alzheimer Disease。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/NCT07373067
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/NCT07373067
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:阿尔茨海默病。这是一项1b期扩展试验,旨在允许对既往接受过RBI方案RB-ADSC-02治疗并成功完成该方案的受试者重复进行RB-ADSC脑室内注射。在之前的1期临床试验RB-ADSC-02中,轻至中度阿尔茨海默病(AD)受试者接受了单次RB-ADSC脑室内注射。RB-ADSC将每2个月通过先前植入的Ommaya储液囊进行脑室内给药,总共最多注射6次。参与者将在末次给药后接受2个月的随访。主要目标是RB-ADSC重复给药的安全性和耐受性。不良事件(AE)和严重不良事件(SAE)将通过剂量限制性毒性(DLT)及其他AE的发生率和严重程度、细胞因子反应综合征的发生率和严重程度、生命体征测量、临床实验室检查和体格检查进行评估。重复给药的初步疗效将通过临床评估(MMSE、FAST、ADAS-Cog)、容积MRI(NeuroQuant)、CSF生物标志物(磷酸化Tau、总Tau、AB-42)以及诊断性影像学比较(淀粉样蛋白-PET)进行评估。
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。
需要用于商业化训练或医疗器械注册(NMPA/FDA)?
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连,提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。




