人工智能驱动的神经科急诊分诊虚拟助手
研究背景指出神经科急症在医疗资源有限国家尤为棘手，AI 健康聊天机器人具有潜力，但需严格验证其安全性与准确性。该 Phase 1 试验旨在评估该虚拟助手的诊断准确性与处置有效性，以确认其达到可进入后续验证测试的最低安全标准，方法部分提及纳入 10 名 18 岁
基本信息
资源简介
人工智能驱动的神经科急诊分诊虚拟助手
该数据集来自 clinicaltrials.gov，围绕一款用于神经科急诊分诊的人工智能虚拟助手展开，覆盖 Stroke、Guillain-Barre Syndrome、Facial Palsy、Migraine、Status Epilepticus、Vertigo Benign Positional、Delirium、Trigeminal Neuralgia 等神经系统急症。研究背景指出神经科急症在医疗资源有限国家尤为棘手，AI 健康聊天机器人具有潜力，但需严格验证其安全性与准确性。该 Phase 1 试验旨在评估该虚拟助手的诊断准确性与处置有效性，以确认其达到可进入后续验证测试的最低安全标准，方法部分提及纳入 10 名 18 岁。
【数据内容】
源站描述（机器翻译，仅供参考）：疾病：Stroke、Guillain-Barre Syndrome、Facial Palsy、Migraine、Status Epilepticus、Vertigo Benign Positional、Delirium、Trigeminal Neuralgia。背景与目标：神经科急症给医疗带来重大挑战，在资源有限的国家尤其如此。人工智能（AI），特别是健康聊天机器人，提供了一种有前景的解决方案。然而，需要严格验证以确保安全性和准确性。我们工作的目标是评估一款为急诊神经科病理分诊设计的人工智能虚拟助手的诊断准确性和处置有效性，以确保达到允许进入后续验证测试的最低安全标准。方法：这项 Phase 1 试验评估一款用于急诊神经科分诊的人工智能虚拟助手的性能。十名 18 岁以上患者
【主题与分类】
主题标签：Stroke、Guillain-Barre Syndrome、Facial Palsy、Migraine、Status Epilepticus、Vertigo Benign Positional、Delirium、Trigeminal Neuralgia、Meningitis、Subarachnoid Hemorrhage。本站分类：循环系统疾病。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT06334796
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/NCT06334796
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
病症：卒中、吉兰-巴雷综合征、面瘫、偏头痛、癫痫持续状态、良性位置性眩晕、谵妄、三叉神经痛。背景与目标：神经科急症在医疗护理中构成重大挑战，尤其是在资源有限的国家。人工智能（AI），特别是健康聊天机器人，提供了有前景的解决方案。然而，需要严格的验证以确保安全性和准确性。我们工作的目标是评估一种AI驱动的虚拟助手在神经科急症分诊中的诊断准确性和解决效果，以确保达到最低安全标准，从而能够进入后续的验证测试。方法：本第一阶段试验评估了一种AI驱动的虚拟助手在神经科急症分诊中的性能。选取了10名18岁以上患有紧急神经科病症的患者。在第一阶段，九名神经科医生使用患者的临床记录评估了虚拟助手的安全性。在第二阶段，评估了患者使用该助手时的准确性。
最后，将其性能与Chat GPT 3.5和4进行了比较。
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。
