基于LLM的心脏外科患者全生命周期健康管理智能助手

数据集获取

源站：https://clinicaltrials.gov/study/NCT07521488

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

病症：冠状动脉旁路移植术、心脏瓣膜病、主动脉瘤、主动脉夹层、先天性心脏病、心脏外科手术。心脏外科手术，包括冠状动脉旁路移植术（CABG）、心脏瓣膜置换/修复术、大血管手术及先天性心脏病矫治术，是治疗严重心血管疾病的关键手段。尽管手术安全性和围手术期管理已取得显著进步，术后长期健康管理仍面临挑战。患者面临抗凝治疗管理、心脏康复、并发症预防、合并症控制及心理健康等复杂需求。当前术后随访模式存在以下局限：不同手术类型的个体化程度不足、抗凝控制欠佳（尤其是机械瓣置换术后）、心脏康复参与率低、失访率高，以及对术后心理困扰关注不足。

大语言模型（LLMs）通过其在自然语言理解、知识推理和多模态数据整合方面的能力，为个性化健康管理提供了新机遇。本研究评估了一款基于LLM的智能健康管理助手，该助手由北京安贞医院、北京智兰医疗科技有限公司和北京海天瑞声科技股份有限公司共同开发，并以移动应用程序形式部署。这是一项单中心、前瞻性、随机、开放标签、平行对照研究，纳入500例在北京安贞医院心脏手术后出院的患者。符合条件的参与者为成年人（≥18岁），已接受心脏手术，临床状况稳定可出院，能够使用智能手机，并提供知情同意。主要排除标准包括ICU停留时间延长（>30天）、预期寿命不足12个月、无照护者协助的严重认知障碍、心脏移植、同时参与介入性试验，或无法完成12个月随访。参与者按1：1随机分配至干预组或对照组，使用

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。