CT103A细胞治疗复发性/难治性抗体相关神经系统炎性疾病的疗效与安全性
该数据集来自clinicaltrials.gov,聚焦CT103A细胞用于复发性/难治性抗体相关神经系统炎性疾病的疗效与安全性研究

基本信息
资源简介
CT103A细胞治疗复发性/难治性抗体相关神经系统炎性疾病的疗效与安全性
该数据集来自clinicaltrials.gov,聚焦CT103A细胞用于复发性/难治性抗体相关神经系统炎性疾病的疗效与安全性研究。覆盖自身免疫性疾病、神经系统自身免疫病、视神经脊髓炎谱系疾病、重症肌无力、慢性炎性脱髓鞘性多发性神经根神经病、特发性炎性肌病、多发性硬化、自身免疫性脑炎等病种。源站描述指出,抗体介导的神经系统炎性疾病可累及中枢神经系统、周围神经系统、神经肌肉接头和肌肉,本研究计划招募八名受试者。可用于了解该细胞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:自身免疫性疾病、神经系统自身免疫病、视神经脊髓炎谱系疾病、重症肌无力、慢性炎性脱髓鞘性多发性神经根神经病、特发性炎性肌病、多发性硬化、自身免疫性脑炎。抗体介导的神经系统炎性疾病(又称神经系统自身免疫病)是以自身免疫细胞和免疫分子攻击神经系统为主要致病机制的自身免疫性疾病。在免疫应答中,作用于神经系统自身抗原的致病性抗体统称为神经系统自身抗体,抗体介导的神经系统炎性疾病可发生于中枢神经系统、周围神经系统、神经肌肉接头和肌肉。在本研究中,我们将招募八名
【主题与分类】
主题标签:Autoimmune Diseases、Neuromyelitis Optica Spectrum Disorder、Myasthenia Gravis、Idiopathic Inflammatory Myopathies、Multiple Sclerosis、Autoimmune Encephalitis、POEMS Syndrome。本站分类:神经系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT04561557
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/NCT04561557
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:自身免疫性疾病、神经系统自身免疫性疾病、视神经脊髓炎谱系疾病、重症肌无力、慢性炎性脱髓鞘性多发性神经根神经病、特发性炎性肌病、多发性硬化、自身免疫性脑炎。抗体介导的神经系统炎性疾病(又称神经系统自身免疫性疾病)是一类以自身免疫细胞和免疫分子攻击神经系统为主要致病机制的自身免疫性疾病。在免疫应答中,作用于神经系统自身抗原的致病性抗体统称为神经系统自身抗体,而抗体介导的神经系统炎性疾病可发生于中枢神经系统、周围神经系统以及神经肌肉接头和肌肉。
本研究将招募八种神经系统自身免疫性疾病,包括视神经脊髓炎谱系疾病(NMOSD)、重症肌无力(MG)、慢性炎性脱髓鞘性多发性神经根神经病(CIDP)、特发性炎性肌病(IIM)、多发性硬化(MS)、自身免疫性脑炎(AE)、髓鞘少突胶质细胞糖蛋白抗体相关疾病(MOGAD)及POEMS综合征。B细胞成熟抗原(BCMA)表达于浆细胞表面,因此成为靶向治疗的理想靶点。针对BCMA的嵌合抗原受体(CAR)T细胞为消除由异常抗体驱动、且经常规治疗后仍反复发作的神经系统自身免疫病患者的浆细胞提供了另一种潜在治疗选择。在本研究中,评估了一种使用CT103A细胞的新型CAR-T细胞疗法在复发/难治性抗体介导的特发性炎性疾病患者中的安全性和有效性。
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。




