ALZEVIT：面向早期阿尔茨海默病预防与试验准备的全法数字化APOE ε4队列

数据集获取

源站：https://clinicaltrials.gov/study/NCT07679906

标准获取流程：

1. 访问源站链接，注册/登录账号；
2. 进入数据集详情页，按页面指引申请权限或直接下载；
3. 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。

数据说明

疾病：阿尔茨海默病。ALZEVIT是一项全国性、去中心化、数字优先的观察性队列研究，旨在法国建立大规模APOE基因分型登记库，并为阿尔茨海默病（AD）的精准预防构建可开展临床试验的基础设施。该研究由Firalis SA申办，并与多家法国记忆研究中心合作开展，包括记忆资源与研究中心（CMRR）网络及大学医院中心（CHU）。该研究整合数字健康工具、集中式基因检测和纵向表型分析，以满足对迟发性阿尔茨海默病风险个体进行早期识别和分层管理的需求。阿尔茨海默病是一种进行性神经退行性疾病，也是全球痴呆症的首要病因。近期进展，包括抗淀粉样蛋白单克隆抗体等疾病修饰疗法，已表明在疾病最早期、广泛神经退行性变发生之前启动治疗最为有效。

然而，实施仍受安全性考量的限制，包括淀粉样蛋白相关影像学异常（ARIA）、大量基础设施需求以及许多医疗保健系统中的可及性受限。这些挑战凸显了在症状出现前识别高风险个体的必要性，并需要促进可扩展且符合伦理的招募进入预防性试验。遗传分层已成为识别阿尔茨海默病风险增高个体最稳健的方法之一。在已知遗传因素中，APOE ε4是迟发性阿尔茨海默病最强的常见遗传风险等位基因，并与淀粉样蛋白沉积增加、tau病理、神经炎症、脂质失调及更早发病相关。APOE ε4/ε4纯合子代表一个特别高风险亚组，其生物标志物变化更早且认知下降加速。尽管他们占

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。