ADVANCE研究：产前与产科疾病检测开发与验证——基于循环胎儿细胞的无创胎儿风险评估大型美国前瞻性研究
ADVANCE研究是BillionToOne Inc.在美国开展的大型前瞻性研究，评估基于循环胎儿细胞（CFC）的无创检测方法（UNITY Confirm）的性能
基本信息
资源简介
ADVANCE研究：产前与产科疾病检测开发与验证——基于循环胎儿细胞的无创胎儿风险评估大型美国前瞻性研究
ADVANCE研究是BillionToOne Inc.在美国开展的大型前瞻性研究，评估基于循环胎儿细胞（CFC）的无创检测方法（UNITY Confirm）的性能。该检测从孕妇外周血中分离胎盘来源的胎儿细胞，进行单细胞基因组分析以评估染色体拷贝数。研究覆盖孕妇人群及非整倍体、唐氏综合征（21三体）、22q11.2缺失综合征、13三体、18三体和性染色体异常等胎儿染色体异常，可用于无创产前胎儿风险评估方法的验证与性能评价（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：条件：孕妇、非整倍体、唐氏综合征（21三体）、22q11.2缺失综合征、13三体、18三体、性染色体异常。BillionToOne Inc.正在开展一项大型前瞻性研究，以评估无创循环胎儿细胞（CFC）检测的性能。循环胎儿细胞是存在于母血中的罕见、完整的胎盘来源滋养层细胞，为无需侵入性操作直接分析胎儿遗传物质提供了独特机会。这些细胞在妊娠早期最为丰富。基于这一生物学基础，研究者开发了一种循环胎儿细胞检测（UNITY Confirm），从母血中分离胎儿来源的胎盘细胞，并进行单细胞基因组分析以评估染色体拷贝数。通过结合细胞类型特异性标志物和基因分型来区分胎儿fr
【主题与分类】
主题标签：Pregnant Individuals、Aneuploidy、Down Syndrome (Trisomy 21)、22q11.2 Deletion Syndrome、Trisomy 13、Trisomy 18、Sex Chromosome Abnormalities。本站分类：妊娠、分娩和产褥期。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT07643896
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/NCT07643896
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
条件：孕妇、非整倍体、唐氏综合征（21三体）、22q11.2缺失综合征、13三体、18三体、性染色体异常。BillionToOne公司正在开展一项大型前瞻性研究，以评估无创循环胎儿细胞（CFC）检测的性能。循环胎儿细胞是存在于母血中的罕见、完整的胎盘来源滋养层细胞，为无需侵入性操作即可直接分析胎儿遗传物质提供了独特机会。这些细胞在妊娠早期最为丰富。基于这一生物学基础，研究者开发了一种循环胎儿细胞检测（UNITY Confirm），可从母血中分离胎儿来源的胎盘细胞，并进行单细胞基因组分析以评估染色体拷贝数。通过结合细胞类型特异性标志物和基因分型来区分胎儿细胞与母体细胞，该方法能够直接评估胎儿染色体状态，不同于依赖混合DNA片段分析的cfDNA方法。
这项前瞻性研究纳入妊娠10至20周的单胎妊娠孕妇，计划纳入超过1000名参与者。将CFC检测结果与产前或产后诊断结局进行比较。
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。
