评估大语言模型用于呼吸系统疾病问诊

数据集获取

源站：https://clinicaltrials.gov/study/NCT06457269

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：花粉症、哮喘、急性上呼吸道感染、肺栓塞、肺炎、结核病、急性支气管炎、肺纤维化。该临床试验旨在通过比较多个大型语言模型与人类医生在三大医疗咨询场景中的表现，评估它们在呼吸系统疾病咨询中的应用。主要研究问题旨在回答：* 在各种临床场景下，大型语言模型在呼吸系统疾病的诊断和咨询方面与人类医生相比表现如何？在包括在线查询部分、疾病诊断部分和医学解释部分在内的三个临床场景中，研究助理或志愿者将被要求使用预定义的在线问题及自身问题，对所有大型语言模型或真实医生进行交叉询问。每次询问环节后，实施短暂的洗脱期，以消除潜在偏差。

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。