人工智能对受训者息肉漏检率的影响

数据集获取

源站：https://clinicaltrials.gov/study/NCT06676930

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：结肠息肉、结肠镜检查、人工智能（AI）。结肠镜检查中的质量指标有助于评估内镜医师的操作表现。腺瘤检出率（ADR）历来是备受关注的主要结肠镜检查质量指标，ADR较高者，其间期结肠癌的发生率较低。其他重要参数包括腺瘤漏诊率（AMR）和无蒂锯齿状息肉漏诊率（SMR）。根据串联结肠镜检查研究，执业胃肠病学家的AMR估计约为25%，而SMR可能更高。既往串联结肠镜检查研究还显示，胃肠病学受训人员的AMR在30-41%之间，SMR在56-86%之间。由于漏诊的息肉可能随时间推移发展为结直肠癌，必须致力于降低AMR和SMR。2021年，美国食品药品监督管理局（FDA）批准了首个用于识别结直肠病变的计算机辅助检测（CADe）系统（GI-Genius；Medtronic, Minneapolis, MN）。一项在经验丰富的内镜医师中使用该CADe系统的初步串联结肠镜检查研究显示，AMR从32.4%降至15.5%。

然而，尚不清楚受训者是否也会有类似的息肉漏诊率降低。CADe已被引入胃肠病学受训者教育，但方式在很大程度上缺乏结构性，且受训者对CADe对培训影响的认知在很大程度上尚不清楚。目前，受训者和主治医师在有无CADe的情况下完成结肠镜检查。无论是否有受训者参与，是否在操作中使用CADe均由主治医师自行决定。在这项单中心研究中，所有西北大学胃肠病学受训者都将被邀请参与试验。第一年胃肠病学受训者将在接受6个月内镜培训（约完成100例结肠镜检查）后开始参与。受训者将与研究团队完成一次时长一小时的会议。研究方案将被详细解释，并签署书面知情同意书。

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。