N-Acetyl-L-Leucine 治疗 Ataxia-Telangiectasia (A-T) 的关键性研究
源站描述显示这是一项多国、随机、安慰剂对照、双盲、交叉的 III 期研究，评估 IB1001 与安慰剂相比治疗 A-T 的安全性和有效性
基本信息
资源简介
N-Acetyl-L-Leucine 治疗 Ataxia-Telangiectasia (A-T) 的关键性研究
该数据集来自 clinicaltrials.gov，主题为 N-Acetyl-L-Leucine（IB1001）治疗 Ataxia-Telangiectasia (A-T) 的关键性研究，属于神经系统疾病/共济失调分类。源站描述显示这是一项多国、随机、安慰剂对照、双盲、交叉的 III 期研究，评估 IB1001 与安慰剂相比治疗 A-T 的安全性和有效性。研究包含基线期及两个干预期，患者按 1:1 随机接受 IB1001 或安慰剂约 12 周，随后交叉接受相反治疗约 12 周，每个研究期评估两次，部分患者可进入 Extension。可用于了解该临床试验的设计与治疗评估框架（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：条件：Ataxia-Telangiectasia、Ataxia-Telangiectasia (A-T)。这是一项多国、随机、安慰剂对照、双盲、交叉的 III 期研究，将评估 N-Acetyl-L-Leucine (IB1001) 与安慰剂相比治疗 Ataxia-Telangiectasia (A-T) 的安全性和有效性。患者将在三个研究期接受评估：基线期（约 2 周），之后他们将被随机（1:1）分配至第一个干预期（“Period I”）接受 IB1001 或安慰剂治疗约 12 周。在 Period I 之后，患者将在第二个干预期（“Period II”）交叉接受相反的治疗（IB1001 或安慰剂）约 12 周。患者将在每个研究期接受两次评估。已参与研究的患者可能会被提供机会转入 Extension。
【主题与分类】
主题标签：Ataxia-Telangiectasia、Ataxia-Telangiectasia (A-T)。本站分类：神经系统疾病/共济失调。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT06673056
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/NCT06673056
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：共济失调-毛细血管扩张症，共济失调-毛细血管扩张症（A-T）。这是一项多国、随机、安慰剂对照、双盲、交叉的III期研究，旨在评估N-乙酰-L-亮氨酸（IB1001）与安慰剂相比治疗共济失调-毛细血管扩张症（A-T）的安全性和有效性。患者将在三个研究阶段接受评估：基线期（约2周），之后他们将以1：1的比例随机分配，在第一个干预期（“第I期”）接受IB1001或安慰剂治疗约12周。在第I期之后，患者将在第二个干预期（“第II期”）交叉接受相反的治疗（IB1001或安慰剂）约12周。患者将在每个研究阶段接受两次评估。参与研究的患者可能有机会转入扩展阶段，该阶段旨在让患者进一步获得IB1001。
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。
