人工智能增强的间质性肺病远程监测

数据集获取

源站：https://clinicaltrials.gov/study/NCT07844915

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：纤维化间质性肺疾病。AIRMILD是一项前瞻性、单臂、混合方法可行性研究，旨在评估人工智能增强远程监测（AIRM）在纤维化间质性肺疾病（fILD）患者中的应用。研究将从Guy’s and St Thomas’ NHS Foundation Trust（GSTT）的间质性肺疾病（ILD）服务中招募约120名参与者。该研究将评估AIRM 1.0版，这是一种研究性人工智能（AI）算法，集成于patientMpower远程监测平台中。AIRM分析纵向多模态远程监测数据，包括家庭肺功能测定、脉搏血氧测定、症状评分和患者报告指标，以识别与潜在临床恶化相关的模式。AIRM旨在支持临床审查，而非替代临床评估或临床决策。它不会做出自主诊断或治疗决策。可能有助于临床管理的AIRM生成输出将在采取临床行动之前由具备相应资质的临床医生进行审查。

临床医生将保留独立的临床监督权和临床决策责任。参与者在整个研究期间将继续接受常规临床照护。AIRM 1.0版为研究性产品，尚未获得UKCA或CE认证。预测算法将在前瞻性评估前固定，并在参与者随访期间不再重新训练或修改。这将使 predefined 模型的表现能够针对临床识别的病情恶化进行前瞻性评估。本研究将评估在临床实践中实施AIRM路径的可行性，包括参与者对远程监测的参与程度，以及AI生成信息在实际临床复核中的整合情况。安全性评估将包括评估AIRM发出警报但随后未发生临床恶化的情况，以及发生临床恶化但未出现预警的情况。

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。