基于大型语言模型的教育工具对人工晶状体选择的有效性

数据集获取

源站：https://clinicaltrials.gov/study/NCT07317661

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：眼部疾病、白内障摘除、白内障及人工晶状体手术、白内障手术体验、白内障手术、人工晶状体。白内障患者需要在手术日期前选择植入眼内的人工晶状体类型。部分晶状体为标准化类型，通常由保险覆盖。其他“高端”晶状体具有多种优势，例如减少对眼镜的需求，但通常需要自付费用。繁忙的门诊诊所与白内障手术领域不断变化中人工晶状体选择的复杂性相结合，往往使患者对可选晶状体方案感到困惑。目前存在大量关于高端晶状体的教育材料，但这些材料受限于可及性，并且以单一教育水平进行标准化呈现。因此，在本研究中，我们希望测试在与医生会诊前，向患者提供由OpenAI的Custom GPT生成的简短LLM驱动AI引导的晶状体方案解释，是否能够提高就诊效率、医生解释效果以及患者对晶状体方案的理解。我们将比较两组：标准诊疗组与标准诊疗加AI教育组。

本研究中的LLM旨在向研究参与者提供关于高端人工晶状体（IOL）选项的补充信息，绝不意在替代医疗保健专业人员在疾病诊断、治愈、治疗和/或缓解方面的作用。本研究类似于向患者提供一份经过验证的健康手册，供其查看和了解不同的人工晶状体选项，换言之，即促进患者对其可选方案的理解。该LLM将由多位医疗保健专业人员和医学博士专家进行训练，以提供充分的指导。信息来源将包括经过验证的在线资源和医学博士提供的信息。研究者希望了解，基于大语言模型的教育工具能否提高就诊效率、改善医生讲解效果以及增进患者对人工晶状体选项的理解。本研究的新知识可为未来白内障咨询的开展方式提供指导，并可能帮助诊所节省

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。