使用ChatGPT辅助鼻窦与鼻腔问题治疗决策

数据集获取

源站：https://clinicaltrials.gov/study/NCT07140250

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：鼻窦炎、鼻塞、鼻炎。本临床试验的目标是评估ChatGPT能否通过提高成年慢性鼻窦炎（CRS）或鼻塞患者对治疗相关知识的了解并减少决策冲突，从而改善共享决策，这些患者已被认定为手术候选者。其主要旨在回答的问题包括：* 与广泛使用的网络搜索相比，ChatGPT是否能提高患者对CRS/鼻塞治疗选择的理解？* 与传统搜索引擎相比，ChatGPT是否能减少关于手术与药物治疗管理的决策冲突？研究人员将比较在标准咨询后使用Google（关闭AI的标准互联网搜索）的一组与在标准咨询后使用ChatGPT的一组，以观察ChatGPT是否能带来更高的知识评分、更低的决策冲突评分以及对信息平台更高的满意度。

参与者将：

• 完成基线调查，评估人口统计学信息、治疗相关知识及决策冲突
• 在标准门诊咨询后，随机使用Google或ChatGPT研究其手术方案10分钟
• 完成后续调查，评估知识水平、决策冲突及对信息来源的满意度
• 允许研究团队查阅其医疗记录，以获取相关临床病史及疾病特异性生活质量评分（SNOT-22）

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。