医疗AI信任校准情境库（HAI-TRUST）：用于研究不完全信息下校准依赖的角色特异性实验情境

数据集获取

源站：https://doi.org/10.5281/zenodo.22855853

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。

数据集大小约 254.2 KB。

数据说明

HAI-TRUST（医疗人工智能信任校准情境库）是一个结构化研究刺激与工具库，用于研究在不完全信息下对医疗人工智能的校准依赖。它包含五个匹配的虚构医疗情境，并适配三种决策视角——公众/患者视角、医疗/临床视角以及人工智能/计算/开发者视角——从而形成15个角色特定情境。每个情境均在六种受控的人工智能输出条件下呈现：仅答案、解释、模拟置信度、不确定性、警告/核实以及组合输出。这五个情境涵盖劳力性胸闷与疲劳、突发剧烈头痛、人工智能辅助胰岛素剂量调整、术后伤口照片分诊，以及一种新型非处方止痛药的用药安全。其中包含面向研究者的参考条件和行动一致性编码，以支持实验使用。1.0版整合了两项初始独立专家评审以及针对性的第二轮领域复审。

修订内容包括跨角色协调、明确行动与依赖编码的区分、优化模拟的80%置信度提示、针对具体场景的临床修订，以及更清晰地将面向患者的AI输出与开发者/治理决策分开。第二轮未获得专门的外科/伤口护理专家的回复，这已被记录为一项验证局限性。HAI-TRUST由虚构的研究刺激材料组成。它不是临床数据集、医疗建议、诊断系统，也不是经过临床验证的决策支持资源。与该项目相关的实证研究使用的是v0.9版本；v1.0是评审后的存储库发布版本，不应被描述为先前收集数据所使用的确切刺激版本。

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。