数据集概览
定义：多器官病理WSI影像数据集是由长沙朗慧信息科技有限公司构建的大规模全切片数字影像数据库。以500万张合格物理玻片对应的完整WSI为主体，优先采用DICOM VL Whole Slide Microscopy Image标准，保留Level-0原始数据、全部金字塔层级、焦平面/光学通道及元数据。覆盖HE染色为主体，IHC单标/多标按抗体分层，特殊染色按类型分层，多器官全谱系覆盖。
| 数据集名称 | 多器官病理WSI影像数据集 |
| 数据总量 | 5,000,000张切片（切片级） |
| 影像模态 | 病理全切片数字图像（WSI） |
| 扫描标准 | 优先DICOM VL Whole Slide Microscopy Image；原生+OME-TIFF/BigTIFF 6.3.1 |
| 扫描倍率 | 20倍+扫描倍率，保留Level-0及全部金字塔层级 |
| 染色类型 | HE为主体；IHC单标/多标按抗体分层；特殊染色按类型分层；冰冻/石蜡分层 |
| 覆盖器官 | 多器官全谱系，不得因单一癌种或单一染色来源造成过度集中 |
| 诊断标注 | 病理明确诊断切片、TNM分期、免疫组化结果 |
| 来源机构 | 合作三甲医院病理科 |
| 应用场景 | 病理AI基础模型训练、WSI自动分析、肿瘤分类与分级、免疫组化判读 |
交付规格与字段要求
数据集严格遵循PATH-WSI统一交付索引要求，确保数据质量与可追溯性。
交付与计数：一行对应一个合格物理玻片对应的完整WSI；重扫/金字塔/多倍率/多区域不重复结算
口径说明：50万例（切片级）= 500万张合格物理玻片对应的WSI；患者数/病例数/Part数/蜡块数/物理玻片数/WSI数分别统计
覆盖范围：覆盖切片全部可扫描组织及玻片范围；标本部位、取材方式、蜡块/切片号、染色和焦平面必须可追溯
阳性与构成：病理明确诊断切片作为主体；良性、正常邻近组织、炎症和不确定/会诊病例按任务需要单列
原始数据要求：扫描仪原生全视野数字切片+互操作文件；缩略图、截图、ROI裁剪不得替代WSI
跨数据关联：必须与病理诊断报告稳定关联；切片级/病例级/ROI/细胞级标注不得混用
2026前沿AI研究进展
领域综述：2025-2026年病理WSI AI进入基础模型阶段，mSTAR（Nature Communications 2025）和TITAN（Nature Medicine 2025）通过多模态自监督学习在97项基准任务中表现优异，Nature 2026报道了临床级自主细胞病理学平台。
mSTAR多模态病理基础模型
Nature Communications, 2025融合WSI、病理报告、基因表达三模态，使用26,169张幻灯片级别模态对、32种癌症类型、超1.16亿张patch图像。跨97项肿瘤学基准任务表现优异，18/21任务排名第一。
临床级自主细胞病理学（全切片边缘层析）
Nature, 2026CYBO结合实时光学全切片层析成像与边缘计算，实现细胞级分类和群体形态学分析，推进临床级自主细胞病理学。
TITAN多模态WSI基础模型
Nature Medicine, 2025通过335,645张WSI视觉自监督学习和视觉-语言对齐，生成病理报告，为病理AI通用化提供基础模型。
HSFLA肺腺癌诊断优化手术策略
npj Digital Medicine, 2026混合监督深度学习模型准确率95.6%（人工84.7%），浸润区域自动标注与人工像素标注一致性86.6%。
Prov-GigaPath系列
Nature 2024, arXiv 2026GigaPath-Flash、GigaTIME等面向高效WSI推理、空间蛋白质组学预测，推进病理基础模型高效化。
标注流程与质控
影像采集与脱敏
标准化采集流程，设备原始导出完整数据，去除患者身份信息（PHI）后入库。
初标（专科医师）
主治医师对照标准逐例标注，包括病灶定位、形态学描述、疾病词判定。
审核（副主任及以上）
副主任及以上职称专家对初标结果逐项审核，修正错误标注，补充遗漏维度。
一致性评估
随机抽取10%样本由3位医师独立标注，计算Fleiss' Kappa系数，低于0.75的维度标识为需返修。
授权与使用协议
学术研究许可
面向高校和科研机构，支持医学AI相关学术研究。签署协议后提供脱敏数据子集，需注明来源：朗慧科技 DataAssetsAPI。
商业授权许可
面向医疗器械企业、AI诊断公司，支持医学AI产品研发和医疗器械注册。提供全量数据+定制标注+增量更新服务。
数据合规声明
所有影像均来源合法授权，PHI字段全量脱敏，不包含任何可直接识别个人身份的信息，符合《个人信息保护法》和《数据安全法》要求。
定制服务
支持特定病种增补、多模态标注扩展、AI辅助诊断模型定制训练等扩展需求。