基于大语言模型的UroMed AI Doctor应用国际多中心临床研究

数据集获取

源站：https://clinicaltrials.gov/study/NCT07555756

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

条件：肾结石、前列腺增生、膀胱肿瘤。在临床研究之前，将对我们团队自主研发的泌尿外科UroMed AI Doctor的知识库、问答能力、专业性和安全性进行评估。评估方法包括使用UroMed AI Doctor进行公共科普问答，并回答标准的泌尿外科考试题目（选择题和病例分析题）。将与DeepSeek、ChatGPT和Google Gemini等国际知名的大型语言模型进行比较。两位资深主任医师将根据评分标准进行评估。在临床研究阶段，将首先在牵头机构广西医科大学第一附属医院招募试验病例。入组患者将被随机分配到UroMed AI Doctor辅助诊疗组或传统人工诊疗组。UroMed AI Doctor的辅助范围包括根据泌尿外科住院患者的入院记录提供辅助诊断和治疗方案。

传统手动组将由一名专科主治医师完成这些任务。评估将由两名资深主任专家采用盲法独立进行。此外，UroMed AI Doctor和主治医师将分别向其组内患者提供术前科普教育。两组患者教育后的焦虑缓解程度和满意度将通过调查量表进行比较。随后，与国内外11家临床研究中心合作开展了多中心临床验证，包括桂林市人民医院、玉林市红十字会医院、柳州市中医医院、贵港市人民医院、南宁市第二人民医院、右江民族医学院附属医院、北海市人民医院，以及平阳综合医院、顺化中央

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。