信息速览
INFOBOX — CHIMERA-agent 一屏速览
维度 内容 本质 MICCAI 2026 agentic 前列腺癌临床决策挑战赛（2025 版 CHIMERA 的迭代升级，非别名） 团队 Radboudumc 主办（Nadieh Khalili / Geert Litjens / Jolique van Ipenburg）+ Karolinska（Kimmo Kartasalo / Martin Eklund）+ UMC Utrecht（Max Ragusi） 设计文档 Zenodo DOI 10.5281/zenodo.19818695，v1，Published 2026-04-27 会议 MICCAI 2026，半天 workshop，2026-10-01 三任务 ① 活检前 MRI-only 活检决策 ② 活检后 MRI+病理风险分层（四策略）③ 根治术后生化复发（BCR）预测 核心创新 提交物 = 预测 + 结构化推理轨迹；幻觉/矛盾/无依据发现被惩罚；top 提交由临床专家复核合理性 设计焦点 缺失模态、纵向证据、跨模态冲突——“数据不完整是常规临床现实” 提交形式 每例 2 个 JSON（预测 + 推理，各约 5 KB）；离线部署 官方工具 MRI 前列腺分区分割 / 自动 Gleason 分级 / MRI-based csPCa 检测（编排而非从头训练） 获取 Grand Challenge 平台注册参赛（训练数据经平台发放） 许可 CC BY-NC-SA（MICCAI 2026 官方列表口径） 库内互链 chimera（rid 633，2025 届前身，必链）、PI-CAI、PANDA/PANDA-PLUS、LEOPARD、REG²
CHIMERA-agent 把"AI 能不能给出前列腺癌临床决策"这一问题，从 2025 版的"预测得准不准"，推进到 2026 版的"决策理由说不说得通"。它延续了 CHIMERA 挑战赛的名字与技术谱系，但换了考法：不是让模型在一份干净、完整、配好多模态的数据上刷分，而是把患者病历还原成真实的电子健康档案——报告迟到、模态缺失、不同来源互相打架——要求参赛 agent 在这些"不完美"下做出活检、监测、复发三类决策，并且交代每一步用了哪些证据、怎么处理冲突、为什么这样定。分数不只给答案，还评推理；答案对但理由编造的 agent，拿不到高分。
导语读法三则：
- 想搞清它和 2025 版的关系：先读 §1 与 §2——两届是"预测 benchmark → agentic 决策+推理 benchmark"的迭代，不是同义词，也不是别名。
- 关心"agentic 到底新在哪"：直奔 §3 三决策点与 §4 推理评测——"预测 + 推理轨迹"双提交、幻觉惩罚、专家复核是全部新意所在。
- 只想判断能不能用：直奔 §6 获取与 §0 导读——这是参赛制数据集（GC 注册墙），不是公开直链，与 2025 版 AWS 全开放路线不同。
§0 导读：这个数据集解决什么问题
前列腺癌的诊疗不是"一次判断"，而是一串由不同专科医生在不同时间做出的决策：影像科医生先看多参数磁共振（mpMRI）判断要不要穿刺；病理科医生看活检报告决定风险分层；泌尿外科医生综合一切选择主动监测还是根治；术后再随访生化复发（BCR）。真实临床的每一步都信息不全：报告姗姗来迟，模态东缺一块西缺一块，一家医院的影像结论和另一家的病理发现甚至互相矛盾。现有前列腺癌 AI 大多假装这些复杂性不存在——它们默认输入是干净的、完整的、单一模态的，输出一个分数，却从不解释这个分数怎么来的。
CHIMERA-agent 的立论就建立在这个落差上（GC 官网原话：这类"不完美"“不是边缘案例，而是常规临床实践”）。它把患者旅程拆成三个决策点，每个决策点都刻意保留缺失模态与冲突证据，考察 agent 能否像真正的多学科团队那样，在不确定性下整合碎片信息并给出可追溯的判断。方法论上，它进一步要求参赛者编排（orchestrate）预训练的模态专用基础模型（分区分割、Gleason 分级、csPCa 检测），而不是从头训练——这把题目从"比谁的模型训练得好"转向"比谁的决策政策（decision policy）设计得合理"。
§0 读法三则：
- 本条目与库内
chimera（rid 633）是同源两届关系：633 是 2025 版（三任务数值预测，AWS 全开放，TIA-Pegasus 夺冠），本条是 2026 agentic 版（三决策点 + 推理）。引用数字务必区分届次（见坑 1）。 - 全文凡涉及"训练/测试例数""截止日期"等未获官方一手披露的数字，一律标注为第三方研究报告口径，不作为官方事实——这是本条目最需要纪律的部分（见坑 3、§8 存照）。
- 检索时若把 CHIMERA-agent 与 2025 版 CHIMERA 混为一个数据集，会同时读错任务定义、许可证与获取方式——两届在缩写展开上都有实质差异（2026 版去掉了 “(Radiology)”，见坑 5）。
§1 数据集速览：十二问十二答
Q1：CHIMERA-agent 是什么？
它是 MICCAI 2026 的一项挑战赛（Grand Challenge 平台托管，Radboudumc 主办），全称 Combining HIstology, Medical imaging and molEcular data for medical pRognosis and diAgnosis Agent。目标（GC 官网）：“构建一个能应对真实临床条件的灵活 agent，包括缺失模态、纵向证据与跨模态冲突。”
Q2：它和 2025 年的 CHIMERA 是同一个东西吗？
不是。CHIMERA（2025）是"多模态癌症预后建模 benchmark"，三任务做数值预测；CHIMERA-agent（2026）在它基础上换成三个临床决策点，并新增结构化推理轨迹提交与评估。GC 官网明示 “builds on the CHIMERA challenge at MICCAI 2025”。两届同源、不同届、不同考法。
Q3：三个决策点分别是什么？
Task 1（活检前）：仅凭 mpMRI 报告 + 基础临床变量，判断是否建议做前列腺活检。Task 2（活检后）：整合 MRI 发现、活检病理报告、临床变量，按 EAU/NCCN 指南推荐四种管理策略之一（主动监测/继续监测/观察等待/积极治疗）。Task 3（根治术后）：结合根治与活检病理报告、术前 MRI、术前血清 PSA，估计时间依赖的生化复发（BCR）风险（预测复发或末次随访时间 + 事件状态）。
Q4："agentic"新在哪里？
两点。① 决策政策：参赛者设计的是"如何编排预训练基础模型与工具做决策"的政策，而非训练一个新模型——“从头训练不是必须的”。② 推理轨迹：每例除预测外须提交结构化推理，说明用了哪些证据、如何处理缺失与冲突、为何这样决策。
Q5：怎么打分？
双轴。预测按任务评（分类决策 / 生存预测）；推理对齐该例的结构化输入字段评，无依据、矛盾、幻觉的发现被扣分。表现最好的提交还会由临床专家复核推理的临床合理性。官网原话：预测准但编造理由的 agent"不会排在前列"。
Q6：输入长什么样？
每例是结构化 JSON，装该任务可用的模态：mpMRI 报告、活检/根治病理报告、临床变量、适用时的纵向 PSA。官网明示临床变量字段含 age、PSA、PSA density、PI-RADS 评分、DRE 结果、病史与家族史，以及一个深度学习生成的 csPCa 概率分。
Q7：输出长什么样？
每例两个任务专属 JSON，各约 5 KB：一个放预测，一个放对应推理。
Q8：数据是完整的吗？
恰恰不是——设计上故意保留缺失模态与跨模态冲突。Task 3 官网明写 “missing modalities are intentionally present”。所以不要把 CHIMERA-agent 当作配对齐全的干净数据集；缺失与冲突是它的考点。
Q9：官方给参赛者什么？
一套预训练模态专用工具：MRI 前列腺分区分割、活检与根治标本的自动 Gleason 分级、MRI-based csPCa 检测；外加上述结构化临床变量。参赛者可原样用、替换、或与其它公开模型组合。
Q10：ground truth 从哪来？
来自定义性临床结局；参考推理标注经结构化临床评估界面采集——泌尿科医生审阅 EHR 式病历（影像报告、病理发现、化验面板、PSA 趋势、用药）后给出。
Q11：我能不能直接下载数据？
不能直接拿。数据经 Grand Challenge 平台注册参赛后发放（GC 注册墙），与 2025 版"AWS 无账户直下"的开放路线不同。
Q12：为什么它对 AI-Ready 重要？
它把库内"临床决策 benchmark"从"预测精度"推进到"预测 + 可追溯推理"，并显式以缺失与冲突为一等公民——这是本库首个以 agentic 临床推理为评估对象的条目，也是"反幻觉"要求首次写进数据集评估规则（推理编造直接扣分）。
§2 身份与谱系：与 2025 版 CHIMERA 的血缘对照
理解 CHIMERA-agent 的第一件事，是把它和 2025 年的 CHIMERA 清晰切开——两者共享名字与团队，但是不同的 benchmark、不同的考法、不同的获取方式。
2.1 两届对照表
| 维度 | CHIMERA（MICCAI 2025，库内 rid 633） | CHIMERA-agent（MICCAI 2026，本条目） |
|---|---|---|
| 缩写展开 | Combining HIstology, Medical Imaging (Radiology), and molEcular Data … | Combining HIstology, Medical imaging and molEcular data … Agent（去掉 “(Radiology)”，末尾加 Agent） |
| 定位 | 首个公开标准化泌尿肿瘤多模态预后建模 benchmark | agentic 多模态临床决策 + 推理 benchmark |
| 任务数 | 3（BCR 预测 / BRS 预测 / NMIBC 进展） | 3（活检决策 / 风险分层 / BCR 预测）——决策点而非纯预测 |
| 提交物 | 预测值 | 预测 + 结构化推理轨迹 |
| 数据弱点处理 | 追求配对齐全的多模态 | 故意保留缺失模态、纵向碎片、跨模态冲突 |
| 训练要求 | 可自训模型（baseline 含 UNI+nnU-Net+ABMIL） | 编排预训练基础模型，“从头训练不是必须的” |
| 获取 | AWS Open Data，s3 sync --no-sign-request 无账户直下 |
Grand Challenge 注册参赛发放 |
| 学术出口 | 双 summary paper 已出（arXiv 2608.21497 / 2609.09510） | 尚无 summary paper，挑战进行中 |
| 冠军 | TIA-Pegasus（ModalSurv）已产生 | 未产生 |
2.2 血缘关系一句话
CHIMERA（2025）证明了"多模态预后建模可以作为标准化 benchmark"，并暴露了一个刺眼结论——临床单模态模型在外测集上击败多模态模型（详见 §7.3）。CHIMERA-agent（2026）接着追问：既然"配齐多模态"本身不现实，那能不能让 AI 学会在不齐全、会冲突的真实数据上做决策，并解释自己？这正是从"预测 benchmark"到"agentic 决策 benchmark"的进化方向。
2.3 命名规范存照
缩写原文保留大小写交替：Combining HIstology, Medical imaging and molEcular data for medical pRognosis and diAgnosis —— 即 CHIMERA。命名在不同官方源有连字符/大小写差异：Zenodo 标题作 CHIMERA-agent、MICCAI 官方列表作 CHIMERA-Agent、GC 主页标题显示 Chimera-Agent。本条目统一采用 GC 主页正文的 CHIMERA-agent。缩写展开还有一处实质差异：2025 版含 “(Radiology)” 且无 Agent，2026 版去掉 “(Radiology)” 并加 Agent——这既是版本标记，也暗示 2026 版把"影像"收进了更宽的"medical imaging"框架（因为输入多为文本报告而非原始影像，见 §3.3）。
§3 三决策点：把患者旅程拆成三次临床判断
CHIMERA-agent 的核心建模视角，是把前列腺癌患者的诊疗旅程（patient journey）建模为一串临床决策点（decision points），每个决策点对应多学科团队在真实场景中要回答的一个问题（GC 官网）。三任务相连但独立评估。
3.1 Task 1：活检前的 MRI-only 诊断决策
场景：患者在病理确诊之前，尚未做穿刺。
输入：多参数 MRI（mpMRI）报告 + 基础临床变量。
输出：是否建议做前列腺活检（二分类决策）。
要点：这是全流程最早、信息最少的决策点——只有影像报告和少量临床变量，没有任何病理信息。考点是 agent 能否仅凭影像证据与临床背景，做出合理的活检推荐。
3.2 Task 2：活检后的 MRI + 病理风险分层
场景：患者已完成活检，进入风险分层与治疗决策。
输入：MRI 发现 + 活检病理报告 + 临床变量。
输出：按 EAU/NCCN 指南推荐四种管理策略之一：
- Active surveillance（主动监测）
- Continued surveillance（继续监测）
- Watchful waiting（观察等待）
- Active treatment（积极治疗）
要点：四项策略的区分不完全是"严不严重"，还牵扯指南逻辑与患者情境。agent 不仅要选对，还要在推理里对齐指南依据——这是"指南对齐（guideline alignment）"被直接写进评估的原因。
3.3 Task 3：根治术后的生化复发（BCR）预测
场景：患者已接受根治性前列腺切除术（radical prostatectomy），进入长期随访。
输入：根治标本与活检病理报告 + 术前 MRI + 术前血清 PSA；病例可含多个时间点的 MRI 或活检。
输出：时间依赖的 BCR 风险——预测"复发或末次随访的时间"与"对应的事件状态"（生存分析口径，time-to-event + censoring）。
要点：Task 3 是唯一保留 2025 版"生存分析"基因的任务。官网明确 “missing modalities are intentionally present”（缺失模态故意存在），且允许纵向多次检查——这是三任务里信息最动态、缺失最普遍的一个。
3.4 统一输入/输出 schema
挑战使用统一的 input/output schema（GC 主页配图说明）：输入面板标注 T1/T2/T3 表示各字段对哪些任务可用，输出面板汇总各任务专属的预测与推理。这种"一份 schema 贯穿三任务"的设计，使同一患者在不同决策点的信息切片可以对齐比较——也方便评估"同一条证据在不同决策点是否被一致地使用"。
§4 推理评测：本挑战的定义性特征
如果只能记住 CHIMERA-agent 的一件事，那就是：光有预测不够。这一节讲清楚它是怎么把"推理"变成可打分对象的。
4.1 结构化推理轨迹（structured reasoning trace）
对每一例，参赛者必须同时提交预测和一个结构化推理轨迹，说明（GC 官网原文意译）：用了哪些证据、如何处理冲突或缺失的信息、以及为何得出最终决策。推理不是自由散文，而是对齐该例结构化输入字段的结构化输出——这使它可以被机器逐项核查。
4.2 反幻觉规则（hallucination penalty）
推理会对照该例的结构化输入字段评估。无依据的（unsupported）、矛盾的（contradictory）、幻觉的（hallucinated）发现会被惩罚。这是本库首个把"反幻觉"写进数据集评估规则的条目：模型不能凭空编造一个病例里根本不存在的发现来"圆"自己的结论。
4.3 专家复核（clinical plausibility）
对表现最好的提交，还会额外由临床医生复核推理的临床合理性（clinical plausibility）。即：机器查"证据是否真实存在、逻辑是否自洽"，专家再查"这套推理在临床上行不行得通"。
4.4 排名哲学：答案对 ≠ 排名高
GC 官网给出一句非常直白的排名哲学：“An agent that achieves high predictive accuracy but fabricates its justification will not rank well.”（预测准确率很高、却编造理由的 agent，不会排在前列。）这句话把 CHIMERA-agent 的评估哲学说尽了：可追溯性（traceability）与预测性能同等重要。
4.5 与 2025 版的评估差异
2025 版评估的是纯数值指标（C-index、weighted F1 等）；2026 版在此之上叠了一层"推理质量"评估，并把"指南对齐"“证据引用”"缺失/冲突处理"作为可核查项。这意味着一个"黑箱高分模型"在新版本里天然吃亏——它必须能把内部决策过程外化成结构化、可核查、无幻觉的理由。
4.6 为什么这样设计：临床可采纳性的前置条件
这套设计的动机不难理解：一个临床决策 AI 即便预测准确，如果给不出医生能审阅、能质疑、能追溯的理由，就无法进入真实诊疗流程。CHIMERA-agent 把"可解释、可追溯、不编造"当作进入临床的前置条件来考核，而非事后附加的解释模块。这使得它更像一次"AI agent 临床就绪度"的压力测试，而非常规的精度竞赛。
§2（续）谱系深读：为什么 2026 版要换考法
2.4 2025 版留下的三个"未解难题"
2025 版 CHIMERA 的三任务 benchmark 在学术上是成功的（双 summary paper、冠军产生、AWS 开放），但它同时暴露了三个难题，这三个难题正是 CHIMERA-agent 的直接动因：
- "配对齐全"的幻觉。2025 版追求多模态配对（同一患者的 MRI + WSI + 临床 + RNA），但真实医院里这种配对是少数幸运案例。大多数患者档案是"这个模态有、那个没有、时间点还对不上"。2025 版的数据组织方式无形中过滤掉了真实世界的混乱。
- "单模态反超多模态"的尴尬。2025 版最反直觉的结论是临床单模态模型击败多模态模型。这提示：多模态融合的收益被高估或被过拟合抵消了。如果多模态数据本身就更难获得、更难对齐，那么"硬凑多模态"未必是正确路线。
- "黑箱高分"的临床不可用。2025 版评估的是纯数值指标——C-index、weighted F1。一个黑箱模型可以刷到高分，却给不出医生能审阅的理由，因而难以进入真实诊疗流程。
2.5 2026 版的三条对策
CHIMERA-agent 对上述三难题逐一应答：
| 2025 难题 | 2026 对策 |
|---|---|
| 配对齐全的幻觉 | 把缺失与冲突作为一等公民：数据设计上故意保留 missingness / fragmentation / cross-modality conflict |
| 单模态反超多模态 | 改考"决策政策"而非"融合架构"：允许编排任意预训练模型与工具，考察的是如何在证据不全时组织决策 |
| 黑箱高分不可用 | 把推理纳入评估：结构化推理轨迹 + 反幻觉 + 专家复核，可追溯性成为硬指标 |
2.6 从"数据整合 benchmark"到"决策稳健性 benchmark"
一句话概括 CHIMERA 系列的进化方向：2025 版问"能不能把多模态整合起来做出预测"，2026 版问"在整合不起来的时候能不能做出稳健且可解释的决策"。前者是数据工程的难题，后者是决策科学 + 临床推理的难题。这个转身也解释了为什么 2026 版把"从头训练模型"降级为"非必须"——因为它考的从来不是模型容量，而是决策政策（decision policy）的设计水平。
2.7 这条谱系在库内的价值
对本库而言，CHIMERA(633) 与 CHIMERA-agent 构成了一个**“同一研究者团队、同一临床领域、相邻两年、两种范式”**的对照样本。它让读者在一次检索中就能看到医学 AI 评估范式从"精度竞赛"向"决策 + 推理竞赛"迁移的活标本。这是库内前作锚网络中少有的"跨届同源对照"关系，其价值不在于两个数据集本身，而在于它们之间那条清晰的方法论演进线。
§3（续）三任务的临床背景深读
3.5 Task 1 的临床语境：为什么"要不要活检"是个真问题
前列腺癌诊断的经典困境是"过度诊断"与"漏诊"的两难。PSA 筛查普及后，大量男性检出 PSA 升高，但其中相当一部分并非临床显著前列腺癌（csPCa）。是否需要穿刺活检、何时穿刺，直接影响患者的创伤负担与医疗成本。mpMRI 的引入（PI-RADS 评分体系）部分缓解了这一困境——它能在活检前提供影像学风险分层。Task 1 把这一真实困境交给 agent：仅凭 MRI 报告与基础临床变量，判断活检的必要性。这是全流程中信息最少、但临床上最靠前的决策点，其难点在于——没有病理金标准兜底，agent 必须依赖影像证据的说服力。
3.6 Task 2 的临床语境：四种策略背后的指南逻辑
活检确诊之后，问题从"要不要查"变成"怎么管"。EAU/NCCN 指南把管理策略区分为主动监测、继续监测、观察等待与积极治疗四类，其分界依据包括 Gleason 分级、PSA、临床分期与患者预期寿命等。这四类不是简单的"从严到宽"线性谱：**主动监测（active surveillance）**针对低危、可治愈但不急于干预者，定期复查、一旦进展再治疗；**观察等待（watchful waiting）**则更多针对预期寿命有限、以缓解症状为目标者；**继续监测（continued surveillance）**是主动监测路径上的延续状态；积极治疗（active treatment）则指向手术或放疗。agent 要做的不只是"分对档"，而是按指南逻辑分层——这就是"指南对齐"被写进评估的原因。
3.7 Task 3 的临床语境：生化复发与生存分析
根治性前列腺切除术后，患者进入长期随访。生化复发（BCR）通常定义为术后 PSA 连续两次回升并超过阈值，是疾病复发的最早信号。预测 BCR 本质上是时间到事件（time-to-event）问题：预测"复发时间或末次随访时间"以及"是否发生事件"（删失处理）。Task 3 的特殊性在于它的输入最动态——官网明示病例可含多个时间点的 MRI 或活检，且缺失模态故意存在。这意味着 agent 不仅要处理横断面的信息缺失，还要处理纵向序列的去对齐。这是三任务中工程与建模难度最高的一个，也是与 2025 版 Task 1（time-to-BCR C-index）血缘最近的。 [part2b 完]
§5 设计文档与组织：一份挑战赛的"说明书"
5.1 Zenodo 设计文档（challenge design document）
CHIMERA-agent 在 Zenodo 上的 record 10.5281/zenodo.19818695 是它的挑战赛设计文档（Version v1，Published 2026-04-27）。这份文档的价值在于：它用一段正式的"动机—落差—方案"论述，交代了 CHIMERA-agent 为何要从 2025 版升级。核心论述摘译如下：
前列腺癌每年约 140 万男性确诊，其诊疗需要放射科、病理科与肿瘤科医生跨模态整合信息，包括 mpMRI、全切片图像（WSI）与贯穿整个患者旅程的纵向临床变量。每一步都引入不确定性：模态在不同时间点到达、存在不同系统、可能缺失、也可能互相矛盾。然而大多数 AI 工具仍是孤立的单模态系统，很少展示它们如何组合证据、如何以临床有意义的方式推理。
去年，CHIMERA 在 MICCAI 2025 引入了多模态癌症 benchmark。尽管它整合了前列腺癌的 MRI 与 WSI，却没有充分反映真实临床——真实临床中数据极少是完全配对齐全的，且决策必须在下游信息（如根治病理、基因组学、随访）可得之前做出。因此我们提出升级版 benchmark CHIMERA-agent，覆盖从早期 MRI 决策到长期生化复发预测的完整临床连续谱，并显式强调缺失（missingness）、碎片化（fragmentation）与跨模态冲突（cross-modality conflict）。
这段论述是本条目全部立论的源头，也是理解"为什么 agentic、为什么考推理"的钥匙。
5.2 组织方（三机构六作者）
| 机构 | 角色 | 人员 |
|---|---|---|
| Radboud University Medical Center（Radboudumc，荷兰） | 主办 / 通讯 | Nadieh Khalili（Primary contact）、Geert Litjens、Jolique van Ipenburg |
| Karolinska Institute（瑞典） | 协办 | Kimmo Kartasalo、Martin Eklund |
| University Medical Center Utrecht（荷兰） | 协办 | Max Ragusi |
联系渠道（GC 官网 Key facts）：Primary contact nadieh.khalili@radboudumc.nl；General inquiries Hafsa.Akebli@radboudumc.nl、luana.xuan.liu@ki.se（Karolinska）；GC 平台事务由 Khrystyna 负责。可见团队横跨荷兰 Radboud、荷兰 Utrecht 与瑞典 Karolinska 三地。
5.3 会议与 workshop
- 会议：MICCAI 2026（Key facts：Conference = MICCAI 2026）
- 形式：半天（half-day）workshop，2026-10-01
- 生态位：CHIMERA-agent 是 DIAG（Diagnostic Image Analysis Group，Radboudumc）在 MICCAI 2026 组织的多项活动之一。据 DIAG 官方 8 月新闻，2026-10-01 当天 DIAG 还组织了 Learn2Reg（Alessa Hering 协办）等挑战；而 CHIMERA-agent 被描述为"旨在开发一个用于前列腺癌活检真实临床决策的灵活 AI agent"。
5.4 前作团队血脉
2025 版 CHIMERA 的核心人物 Nadieh Khalili（Task 1 summary paper 通讯作者之一、GC 联系人）与 Geert Litjens（DIAG 计算病理学组 PI）在两届中交叠——这解释了为何 2026 版能在 2025 版数据与生态上快速搭建：它是同一实验室思路的自然迭代，而非全新方向的空降。
§6 获取与许可：参赛制而非下载制
6.1 获取方式：Grand Challenge 注册参赛
与 2025 版的 AWS Open Data 无账户直下截然不同，CHIMERA-agent 的数据经 Grand Challenge 平台（chimera-agent.grand-challenge.org）发放。要拿到训练数据，需要在 GC 平台注册参赛。这意味着：
- 没有公开直链可以
wget/aws s3 sync一把梭； - 数据可得性受参赛门槛约束（注册、签署参赛协议、遵循挑战规则）；
- 本条目 AI-Ready 光谱上的位置因此明显偏向"注册制"一侧，弱于 2025 版的"全开放"。
6.2 许可
MICCAI 2026 官方挑战赛列表（miccai.org 的 Biomedical Image Analysis Challenges 页）为 CHIMERA-Agent 标注的 Data license 是 CC BY-NC-SA——非商业使用 + 相同方式共享。这一标注与 2025 版同类（均向学术非商业用途开放）。注意：这是官方列表提取自挑战设计文档的口径，实际数据使用条款仍以参赛者与组织方签订的协议为准（见 §8 存照）。
6.3 提供工具：编排而非重训
GC 官网明确指出参赛者的工作方式：设计 agent 级决策政策去编排所提供的工具，而非从头训练模型（“Training models from scratch is not required”）。组织方提供：
- 预训练模态专用工具：MRI 前列腺分区分割、活检与根治标本的自动 Gleason 分级、MRI-based csPCa 检测；
- 结构化临床变量（每例）：age、PSA、PSA density、PI-RADS 评分、DRE 结果、病史与家族史，以及一个深度学习生成的 csPCa 概率分。
参赛者可原样使用、替换，或与其它公开模型组合这些工具。这一"工具包 + 自由编排"的设计，把题目重心从"训练更强模型"移到"设计更好的决策政策"——这正是 agentic 范式区别于传统监督学习 benchmark 的地方。
6.4 与库内可获取性光谱的对照
| 数据集 | 获取方式 | AI-Ready 含义 |
|---|---|---|
| CHIMERA（2025，rid 633） | AWS 无账户直下 | 全开放，可复现性最高档 |
| CHIMERA-agent（2026，本条） | GC 注册参赛 | 注册制，受参赛门槛约束 |
| PANDA-PLUS（库内） | 掩码请求制 + Bench 公开直链 | 本体保守、衍生开放的双轨 |
| 多数 PhysioNet 数据集 | credentialed access | 需签署数据使用协议 |
CHIMERA-agent 落在"注册制"档：比 AWS 全开放严，但比逐案请求制宽——只要注册参赛，训练数据即经平台发放。
6.5 版本与可复现性存照
2025 版 CHIMERA 有过 v1→v2 数据修订史（v2 修复了若干问题切片、扩充了膀胱侧队列、补挂了 UNI patch embeddings 等）。2026 agentic 版目前未见公开的 v2 修订记录——其设计文档仍为 v1（2026-04-27），挑战正在进行中。这一点记为待核项：随着挑战推进，组织方是否会有数据修订、是否发布 summary paper，需后续跟踪。
6.6 提交形态与工程约束
从第三方研究报告（非官方）可读到若干工程细节（存照，不作官方事实）：交付形式为离线 Docker + 6 页 LNCS 短文；三任务各有训练标签。这些细节的方向与 GC 挑战赛常见要求一致（离线部署、LNCS 格式），但具体数值与要求以官方参赛规则为准。官网可确证的部分是：每例提交两个约 5 KB 的 JSON（预测 + 推理），输入为结构化 JSON。
§5（续）组织方与生态深读
5.5 Radboudumc 与 DIAG：挑战赛背后的实验室
CHIMERA-agent 的主办方 Radboudumc（Radboud University Medical Center）位于荷兰奈梅亨，其下属的 DIAG（Diagnostic Image Analysis Group，诊断图像分析组）是欧洲最大、最活跃的医学影像 AI 研究组之一。DIAG 的公众形象从两处可见：一是它组织或协办了一大批 MICCAI 挑战赛（2025 版 CHIMERA、2026 版 CHIMERA-agent、Learn2Reg、乳腺 MRI 挑战、PI-CAI 等），二是它自己维护新闻页公开成员动向与产出。CHIMERA-agent 正是 DIAG"以挑战赛驱动 benchmark 建设"这一惯用策略的又一产物。
5.6 三机构的地理与分工
- Radboudumc（奈梅亨，荷兰）：主办与通讯，负责挑战整体设计、Task 1/Task 2 方向的病理与影像工具（Khalili 擅长计算病理，Litjens 是 DIAG 计算病理 PI，van Ipenburg 是病理科医生）。
- Karolinska Institute（斯德哥尔摩，瑞典）：协办，贡献第二地理来源的患者队列，并参与通用咨询（luana.xuan.liu@ki.se）。Karolinska 在 2025 版即已贡献队列（PANDA 数据集也有 Karolinska 部分），是其"跨机构域偏移"测试的关键来源。
- UMC Utrecht（乌得勒支，荷兰）：协办，Max Ragusi 参与，为前列腺成像领域补充荷兰本土观察者。
三机构横跨荷兰与瑞典，这一地理多样性本身就服务于挑战赛的设计目标——测试 agent 在跨机构域偏移下的稳健性（第三方研究报告称测试集含 100 例 Karolinska 域偏移病例，虽未经官方确认，但与三机构构成的方向一致）。
5.7 挑战赛生态位：与 2025 版共享的数据与工具底座
CHIMERA-agent 并非从零搭建。它继承 2025 版积累的两个底座：① 数据来源（Radboudumc 与 Karolinska 的前列腺癌队列，2025 版 Task 1 即由 Radboud + Canisius Wilhelmina 提供 267 例）；② 工具与 baseline 思路（2025 版 GitHub DIAGNijmegen/CHIMERA 提供的 UNI 病理特征 + nnU-Net 影像特征 + ABMIL 预测头，并明示可编排）。CHIMERA-agent 把"可编排"从可选项变成必选项——官方只提供模态专用工具（分区分割、Gleason 分级、csPCa 检测），决策政策由参赛者设计。
§6（续）获取与许可深读
6.7 "注册参赛制"的实务含义
Grand Challenge 平台的挑战赛通常遵循这样的流程：注册账号 → 加入挑战 → 签署数据使用条款 → 下载训练数据 → 在平台提交预测 → 查看排行榜。对 CHIMERA-agent 而言，这意味着：
- 训练数据经平台发放（并非秘不外传，但须先注册并同意条款）；
- validation/test 数据通常不可见（隐藏，用于防过拟合），仅在提交后由平台评估；
- 部分 GC 挑战允许提交 Docker 容器而非直接预测文件（据第三方研究报告，CHIMERA-agent 采用离线 Docker 部署）——若属实，说明组织方重视可复现性与部署真实性。
这与 2025 版"AWS 训练集全开放 + validation/test 隐藏"是同一个"训练公开、测试隐藏"的思路，区别只在校验数据经 GC 平台而非 AWS 分发。
6.8 许可细节与合规提醒
MICCAI 2026 官方挑战列表标注 CHIMERA-agent 的 Data license 为 CC BY-NC-SA。逐条读：
- BY（attribution）：使用时须署名；
- NC（non-commercial）：不得用于商业用途；
- SA（share-alike）：衍生作品须以相同许可发布。
这意味着：可以用 CHIMERA-agent 数据做学术研究、发表论文，但不能商用，且若基于它做二次数据集，须同样以 CC BY-NC-SA 发布。注意：这是官方列表口径，实际数据是临床患者数据二次整理，最终约束仍以参赛者与 Radboudumc 签订的参赛协议为准（可能叠加机构伦理要求）。
6.9 伦理轴的定位
CHIMERA-agent 的数据来自真实前列腺癌患者队列（Radboud、Karolinska 等机构的临床档案），经匿名化整理为 EHR 式结构化 JSON。其伦理特征：
- 真实临床数据二次整合型：不同于公开竞赛数据的完全去标识化聚合，CHIMERA-agent 的输入模拟真实病历（影像报告、病理报告、化验面板、PSA 趋势、用药），保留了诊疗过程的时序与文本特征；
- 推理参考标注依赖临床医生：参考推理由泌尿科医生人工给出，存在标注者间差异；
- 参赛协议承载伦理约束：IRB/伦理审批编号未在公开材料中披露，实际合规以参赛协议为准。
这与库内"IRB 明文披露型"数据集形成对照，也提醒使用者：临床来源的数据集，公开描述中的伦理信息往往不完整，须以正式协议为准。 [part3b 完]
§7 谱系沉淀：从 2025 版学到了什么
CHIMERA-agent 不是凭空出现的。它的题目设计里，处处能看到 2025 版 CHIMERA 留下的经验与教训。理解这些，才能理解 2026 版为何要这样考。
7.1 2025 版的三任务与数字基准
2025 版 CHIMERA 三任务（库内 rid 633 详载）：Task 1 前列腺癌生化复发（BCR）预测（267 例 / 801 MRI 序列 / 942 WSI）；Task 2 BCG 反应亚型（BRS）三分类（v2 182 例）；Task 3 NMIBC 进展/复发生存预测（v2 176 例）。最佳成绩对照：Task 1 最佳 test C-index 0.7402（且系单模态临床模型取得）、Task 2 weighted F1 0.73、Task 3 C-index 0.68。
7.2 "多模态组装难"的实证
2025 版最反直觉的发现是：临床单模态模型在外测集上击败了多模态模型（“clinical features alone outperformed multimodal models on external tests”）。冠军 TIA-Pegasus 的 ModalSurv 与官方后挑战分析共同指向：多模态模型存在"多模态对齐不足 + 潜在过拟合"的问题，局部验证有增益、跨机构泛化受限。三任务共同结论（Warwick 新闻）：“Across the three CHIMERA tasks, models based on clinical data still performed best.”
7.3 这如何塑造了 2026 版
从"多模态配齐也未必赢"到"干脆在配不齐的真实条件下考决策"，逻辑是一脉相承的。2025 版证明了两件事：① 强行配齐的多模态不保证泛化；② 真实临床的数据本就残缺、会冲突。CHIMERA-agent 于是把"残缺与冲突"从需要回避的噪声，改造成堂堂正正的考点——不再追求"配齐"，而是考察"在配不齐时如何决策、如何交代"。这是 CHIMERA 系列从"数据整合 benchmark"到"决策稳健性 benchmark"的关键转身。
7.4 生存分析基因的延续
Task 3 的 BCR 预测直接承袭 2025 版 Task 1 的"time-to-BCR（Censored C-index）"设定——生存分析与删失（censoring）处理是 CHIMERA 家族的一贯基因。库内由此形成一个清晰的"前列腺癌 + 生存分析"标签簇：CHIMERA(633) 的 Task 1、CHIMERA-agent 的 Task 3、以及 LEOPARD 的 H&E time-to-BCR。
§8 存照、双口径与遗留疑点
诚实标注证据强度，是本条目的纪律要求。以下逐条存照。
8.1 双/多口径冲突存照
| 事项 | 口径 A（官方一手） | 口径 B（第三方） | 处理 |
|---|---|---|---|
| 数据规模 | GC 官网主页未披露训练/验证/测试例数 | 中文研究报告：训练标签 T1/T2/T3=91/61/75；测试含 100 例 Karolinska 域偏移集 | 全文按"第三方研究报告口径"标注，不作官方硬数字 |
| 测试截止日 | GC 官网主页未列 | 中文研究报告：2026-09-10 | 标注为第三方来源，存疑待核 |
| workshop 形式 | GC Key facts：半天，2026-10-01 | DIAG 新闻：2026-10-01 举行 | 两源一致，采信 |
| 缩写展开 | 2026 版去掉 “(Radiology)” 并加 Agent | 2025 版含 “(Radiology)”、无 Agent | 两届展开实质不同，按届区分 |
8.2 遗留疑点
- GC 官网子页全部 404：尝试访问
task1/、task-1/、evaluation/、challenge-organization/均返回 Not Found——官方逐任务页与 timeline 明细未能获取。其导航路径结构与常规 GC 模板不同，在既定网络预算下未继续深挖。 - 官方精确例数未获：训练/验证/测试的分例数没有官方一手披露。
- 2026 版是否有 v2 数据修订：对照 2025 版 v1→v2 有修订史，2026 版目前仅见 v1 设计文档。
- 是否有 summary paper / 冠军结果：2025 版已出双 summary paper 并产生冠军；2026 版挑战进行中，二者皆无。
- 实际数据使用条款：官方列表标 CC BY-NC-SA，但实际以参赛协议为准（未获协议原文）。
8.3 页面/术语考古素材
- 命名规范漂移：
CHIMERA-agent（Zenodo/GC 主页）、CHIMERA-Agent（MICCAI 列表）——连字符与大小写并存。 - 缩写展开的届次差异：2025 版
…Medical Imaging (Radiology), and molEcular Data…vs 2026 版…Medical imaging and molEcular data… Agent——“(Radiology)” 的增删与 “Agent” 的后缀是两届的形态指纹。 - “Chimera” 神话梗：CHIMERA 命名源于希腊神话狮头羊身蛇尾的喷火怪（嵌合体），呼应"多模态拼合"的主题；2025 版 TIA-Pegasus 团队名则取自神话中击败 Chimera 的飞马 Pegasus（Warwick 新闻明言）。这一层命名趣味在两届间延续。
§9 与库内条目的关系（互链建议）
9.1 必链：chimera（rid 633）
CHIMERA-agent 与库内 chimera（record_id=633，status=1）是同源两届，应双向互链。 633 是 MICCAI 2025 版（三任务数值预测 / AWS 全开放 / TIA-Pegasus 夺冠 / 双 summary paper 已出），本条是 MICCAI 2026 agentic 版（三决策点 + 推理 / GC 注册制 / 结果待出）。两届在缩写展开、任务定义、评估方式、获取许可、学术出口五个维度均不同，读者应在两条目间建立"版本谱系"认知——这正是库里前作锚网络最典型的迭代关系。
9.2 前列腺 mpMRI / 检测谱系
- PI-CAI：前列腺 mpMRI 检测的直系挑战赛，2025 版 CHIMERA 的 nnU-Net baseline 即从 PI-CAI baseline 迁移；CHIMERA-agent 的 MRI 类工具（分区、csPCa 检测）与之同源，建议互链。
- CHIMERA(633)：上述已述。
9.3 前列腺病理 / 分级与预后谱系
- PANDA / PANDA-PLUS：前列腺病理 Gleason 分级生态邻居——CHIMERA-agent 的"自动 Gleason 分级"工具与它们直接相关。
- LEOPARD：2025 版 Task 1 官方推荐预训练集（H&E time-to-BCR），与 Task 3 的 BCR 生存分析同轴。
- PANTHER / REG²（rid 639）：DIAG / GC 病理生态邻居。
9.4 新范式标签：agentic 临床决策 + 反幻觉推理
CHIMERA-agent 是库内首个以"agentic 临床决策 + 结构化推理 + 反幻觉评估"为核心的数据集条目。它与库内其它"agent / LLM 评测"条目（如有）应形成"agentic AI 临床就绪度"标签簇。建议互链关键词：agentic AI、临床推理（clinical reasoning）、反幻觉（hallucination penalty）、结构化推理轨迹（structured reasoning trace）。
9.5 检索路径建议
- 想找**“预测 benchmark”**→ 去
chimera（633）； - 想找**“agentic 决策 + 推理 benchmark”**→ 来 CHIMERA-agent（本条）；
- 想找前列腺癌多模态 AI 全景→ 两条目并列读，再向 PI-CAI / PANDA / LEOPARD 扩展。
§7（续）谱系深读：2025 版每个任务的完整记录
7.5 2025 版 Task 1 的完整画像（供对照）
2025 版 Task 1（前列腺癌生化复发预测）是 CHIMERA-agent Task 3 的直系前身，值得完整记录：
- 输入：术前 mpMRI（T2W + HBV + ADC，Siemens 3T）+ 术后 H&E WSI（3DHISTECH PANNORAMIC 1000，0.5 µm/pixel）+ 临床变量；
- 输出：time-to-BCR（删失 C-index）；
- 规模：267 例（两机构）/ 801 MRI 序列 / 942 WSI / 每例 13 临床变量（论文口径）；
- 划分：train 95 / validation 23 / test 149（267 = 95 + 23 + 149，代数自洽）；
- 最佳成绩：test C-index 0.7402（单模态临床模型）；随机化临床变量后崩塌至 C≈0.50；
- 冠军：TIA-Pegasus（Warwick TIA Centre），模型 ModalSurv。
与 CHIMERA-agent Task 3 的对照：2025 版 Task 1 用的是原始 mpMRI 序列 + WSI 图像，而 CHIMERA-agent Task 3 用的是病理报告 + MRI 报告 + PSA（结构化文本/数值，非原始图像）。这一转变值得注意——2026 版把输入从"图像"上移到"报告"层面，因为真实临床决策常常基于报告而非原始图像，且报告更适合 LLM/agent 处理。这也解释了 2026 版为何以"agentic 推理"为主线。
7.6 2025 版 Task 2/Task 3 的膀胱癌支线
2025 版还有膀胱癌侧的双任务（Task 2 BRS 预测、Task 3 NMIBC 进展预测），合并论文（arXiv 2609.09510）报告 368 例（= Task 2 v2 182 + Task 3 v2 176）。CHIMERA-agent（2026）未延续膀胱癌支线，聚焦前列腺癌全病程。这是两届在疾病范围上的差异：2025 版"前列腺 + 膀胱"双线，2026 版专注"前列腺患者旅程"三决策点。存照备查。
7.7 2025 版 baseline 技术链（2026 版的继承起点）
2025 版 GitHub（DIAGNijmegen/CHIMERA）的 baseline 技术链：病理特征 UNI（MahmoodLab）+ 影像特征 nnU-Net v1 ensemble（从 PI-CAI baseline 迁移）+ 预测头 ABMIL（attention-based MIL，需自行训练）。CHIMERA-agent 官方工具（分区分割、Gleason 分级、csPCa 检测）虽未公开具体实现，但"编排预训练模态专用工具"的思路与这条链一脉相承——从"提供可拼装的 baseline 零件"进化为"提供可直接调用的工具 + 自由编排决策政策"。
§8（续）方法论点评与使用建议
8.4 CHIMERA-agent 的方法论贡献（即使挑战未结束）
即便挑战仍在进行、结果未出，CHIMERA-agent 在方法设计层面已贡献了三点值得借鉴的范式：
- 把"数据残缺"从问题变成考点。传统 benchmark 尽量给干净数据以保证公平，CHIMERA-agent 反其道而行——故意保留缺失与冲突，考察 agent 的稳健决策能力。这对医学 AI 评估是个启发：真实临床就绪度，恰恰要在不完美数据上测。
- 把"推理"变成可打分的结构化对象。多数"可解释性"评估是定性的，CHIMERA-agent 把推理解构成对齐输入字段的结构化输出，用机器逐项核查 + 专家复核兜底，使"可解释"有了可操作的评价标尺。
- 把"反幻觉"写进评估规则。无依据、矛盾、编造的发现被明确惩罚——这在医学 LLM/agent 评估中是必要的，因为临床场景对幻觉的容忍度为零。
8.5 对使用者的实操建议
- 想参赛：先去 Grand Challenge 平台注册，读参赛协议，拿到训练数据；重点理解"决策政策 + 结构化推理"双交付的要求，别把力气全花在刷预测精度上。
- 想引用其范式：可参考它的"缺失/冲突作为考点 + 推理作为评估对象"设计，迁移到其它临床决策场景。
- 想做学术对比：注意区分 2025 版与 2026 版数据，勿混用数字；2026 版结果未出，暂无可对比的公开基准。
- 想判断可得性：它是参赛制，不是下载制——如果研究不需要参赛，可用 2025 版（AWS 开放）替代，但须接受两者任务与形态的差异。
8.6 与库内直接可比的"agent / 推理型"条目
CHIMERA-agent 在库内属于较新的"agentic 临床推理"标签。若库内存在其它以 LLM/agent 为对象、以推理或报告生成为任务的条目（如报告生成类 REG²），可与本条并列构成"临床 AI 从感知到推理"的谱系。建议在库内检索同类标签，建立"agentic 医学 AI"专题互链。
§9（续）互链建议补遗
9.6 跨届对照的引用规范（重要）
在库内任何引用中，CHIMERA(633) 与 CHIMERA-agent（本条）必须分别标注届次，建议写法：
- 引用 2025 版数字 → 写"CHIMERA（MICCAI 2025，库内 rid 633）"
- 引用 2026 版 → 写"CHIMERA-agent（MICCAI 2026，库内本条）"
尤其注意：TIA-Pegasus、0.7402、267/801/942、双 summary paper 全部属于 2025 版，不可挂到 2026 版名下。这是本谱系最容易出错的引用点。
9.7 建议的正文字段互链
- 在
chimera(633) 条目的 §10 互链候选里，应增列本条目（chimera-agent）为"2026 agentic 迭代版"。 - 在本条目 §9，已列 chimera(633) 为必链。
- 双向互链的关键词：
agentic、clinical decision、reasoning trace、MICCAI 2026。 [part4b 完]
§10 避坑清单：八个已踩过的坑
坑 1：把 CHIMERA-agent 与 CHIMERA（2025）当成一个数据集。
两届同源不同届：2025 版是"多模态预后建模 benchmark"（三任务数值预测），2026 版是"agentic 临床决策 + 推理 benchmark"（三决策点 + 推理轨迹）。引用任何数字前先问"这是哪一届的"——把 2025 版的 267/801/942、TIA-Pegasus、0.7402 套到 2026 版上是硬伤。
坑 2：以为数据可以像 2025 版那样 AWS 直下。
2025 版 aws s3 sync --no-sign-request s3://chimera-challenge/ 即可；2026 版走 Grand Challenge 平台注册参赛发放，无公开直链。两条目获取方式截然不同。
坑 3：把第三方研究报告的数字当官方事实。
"训练标签 91/61/75"“测试 100 例 Karolinska”"测试截止 2026-09-10"等均来自第三方中文研究报告，未经官方一手源印证。官方 GC 主页未披露例数与 timeline。这些数字可用，但必须标注来源与存疑状态。
坑 4：以为"数据残缺"是数据质量问题。
CHIMERA-agent 故意保留缺失模态、纵向碎片与跨模态冲突（Task 3 官网明写 “missing modalities are intentionally present”）。这不是缺陷，而是核心考点。拿它当"配对齐全的干净数据集"用，会完全读错设计意图。
坑 5：混淆两届的缩写展开。
2025 版：Combining HIstology, Medical Imaging (Radiology), and molEcular Data …（含 “(Radiology)”，无 Agent）；2026 版：Combining HIstology, Medical imaging and molEcular data … Agent（去 “(Radiology)”，加 Agent）。逐字引用时务必用对届次版本。
坑 6：以为要"从头训练一个多模态模型"。
官网明确："Training models from scratch is not required."参赛者设计的是编排预训练基础模型与工具的决策政策。把力气花在重训模型上，方向就错了。
坑 7：忽略"推理也计分"。
预测准只是及格线；推理要有依据、无幻觉、可对齐输入字段，且 top 提交会被临床专家复核合理性。"答案对但理由编造"不会排前列——这是本挑战的定义性规则。
坑 8：拿 2025 版的许可/出口推断 2026 版。
2025 版有双 summary paper、冠军、CC BY-NC-SA、AWS 开放；2026 版挑战进行中：无 summary paper、无冠军、许可取官方列表 CC BY-NC-SA（实际以参赛协议为准）。不要把已成熟的 2025 版结论平移到进行中的 2026 版。
§11 总结
11.1 三句话总结
- CHIMERA-agent 是 MICCAI 2026 的 agentic 前列腺癌临床决策挑战赛，是 2025 版 CHIMERA 的迭代升级——从"预测得准"转向"决策得对、理由说得通"。
- 它的三个决策点（活检推荐 / 四策略风险分层 / 生化复发预测）刻意保留缺失模态、纵向碎片与跨模态冲突，要求参赛 agent 编排预训练基础模型而非从头训练，并提交结构化推理轨迹。
- 反幻觉评估是其定义性特征：推理对齐输入字段核查，编造理由高分也不上榜——这是库内首个把"可追溯推理"写进评估规则的数据集。
11.2 适合谁
- 研究 agentic AI / LLM 临床推理的团队——这是少见的、把"推理质量"当主指标的医学 benchmark；
- 做多模态 + 缺失数据鲁棒性的方法研究者——故意缺失与冲突是天然压力测试集；
- 关注前列腺癌临床决策支持的临床与工程团队——三决策点覆盖真实旅程；
- 研究医学数据集评估范式的方法论者——从"精度 benchmark"到"决策+推理 benchmark"的转型样本。
11.3 不适合谁
- 想要即下即用的公开数据的训练者——它是参赛制，非直链；
- 想要干净、配对齐全的多模态数据的使用者——数据设计上就是残缺与冲突的；
- 追求大规模成熟基准与排行榜的人——挑战进行中，结果与 summary paper 未出。
11.4 30 秒决策卡
要它，如果：你想研究"AI 如何在信息不全、会冲突的真实临床里做决策并交代理由"。
不要它，如果：你要的是一份干净、完整、能直接下载训练的数据。
一句话：CHIMERA-agent = 前列腺癌三决策点 + 缺失/冲突数据 + 结构化推理评测 + 反幻觉规则，MICCAI 2026 参赛制，前身是 2025 版 CHIMERA（库内 rid 633）。
FAQ（高频问答 24 问）
A. 基础认知
Q1：CHIMERA-agent 的全称是什么？
Combining HIstology, Medical imaging and molEcular data for medical pRognosis and diAgnosis Agent（缩写 CHIMERA-agent）。
Q2：谁办的？哪届会议？
Radboudumc（Radboud University Medical Center，荷兰）主办，协办 Karolinska Institute（瑞典）、UMC Utrecht（荷兰）；MICCAI 2026，2026-10-01 半天 workshop。
Q3：和 2025 版什么关系？
同源迭代。2025 版 CHIMERA 是"多模态预后建模 benchmark"，2026 版升级为"agentic 临床决策 + 推理 benchmark"，官网明示 builds on 2025 版。
Q4：缩写怎么来的？
取 C-ombining / HI-stology / M-edical / E-cular / R-ognosis / A-diagnosis 的首字母拼成 CHIMERA，恰与希腊神话嵌合怪同名。
Q5：有 summary paper 吗？
目前没有。挑战进行中，2025 版有双 summary paper，2026 版待出。
Q6：有冠军了吗？
没有。挑战结果未公布。2025 版冠军是 TIA-Pegasus（ModalSurv）。
B. 任务与数据
Q7：三个任务分别是什么？
① 活检前 MRI-only 活检决策；② 活检后 MRI+病理风险分层（四策略）；③ 根治术后生化复发（BCR）预测。
Q8：Task 2 的四种策略指什么？
主动监测（active surveillance）、继续监测（continued surveillance）、观察等待（watchful waiting）、积极治疗（active treatment），按 EAU/NCCN 指南推荐其一。
Q9：Task 3 要预测什么？
时间依赖的 BCR 风险——预测"复发或末次随访时间"+“事件状态”（生存分析口径）。
Q10：输入是什么格式？
结构化 JSON，含该任务可用模态：mpMRI 报告、活检/根治病理报告、临床变量、纵向 PSA。
Q11：输出是什么格式？
每例两个任务专属 JSON（各约 5 KB）：一个预测、一个推理。
Q12：数据量多大？
官方主页未披露。第三方研究报告称训练标签 T1/T2/T3=91/61/75、测试含 100 例 Karolinska 域偏移集——非官方，存照。
Q13：数据完整吗？
不完整，且故意如此。缺失模态、纵向碎片、跨模态冲突是核心考点。
Q14：临床变量有哪些？
age、PSA、PSA density、PI-RADS 评分、DRE 结果、病史与家族史、深度学习生成的 csPCa 概率分。
C. 评估与推理
Q15：怎么评分？
双轴：预测性能 + 推理质量。推理对齐结构化输入字段核查，无依据/矛盾/幻觉被发现即扣分。
Q16：推理怎么算"对"？
用到该例真实存在的证据、逻辑自洽、处理冲突与缺失说明清楚，且 top 提交通过临床专家复核临床合理性。
Q17：预测准但不解释会怎样？
不会排前列。官网原话：预测准确率高却编造理由的 agent 不会排在前列。
Q18：ground truth 从哪来？
定义性临床结局；参考推理标注由泌尿科医生审阅 EHR 式病历后采集。
D. 获取与许可
Q19：怎么拿数据？
Grand Challenge 平台注册参赛，数据经平台发放。
Q20：能 AWS 直下吗？
不能。那是 2025 版的获取方式。
Q21：许可是什么？
MICCAI 2026 官方列表标 CC BY-NC-SA；实际以参赛协议为准。
Q22：要自己训练模型吗？
不需要。官方要求编排预训练基础模型与工具，从头训练不是必须的。
E. 库内定位
Q23：库内已有 chimera，会不会撞？
不会。库内 chimera（rid 633）是 2025 版，本条 chimera-agent 是 2026 版，两届不同，应互链而非合并。
Q24：为什么说它是本库新范式？
它是库内首个以"agentic 临床决策 + 结构化推理 + 反幻觉评估"为核心的数据集，把评估从"精度"推进到"可追溯推理"。
F. 扩展与拓展问答
Q25：CHIMERA-agent 的输入为什么是"报告"而不是"图像"？
官网描述其输入为 mpMRI 报告、病理报告、临床变量、纵向 PSA——即结构化文本/数值，而非原始 DICOM/Pyramidal TIF。这既贴近真实临床（医生决策常基于报告），也便于 LLM/agent 处理，同时绕开了 gigapixel 图像的存储与算力门槛。
Q26：它还要处理原始图像吗？
不必。官方提供模态专用工具（分区分割、Gleason 分级、csPCa 检测）产出结构化结果，参赛者编排这些工具即可。这降低了参赛门槛，也让"决策政策"成为比拼重点。
Q27：什么叫"跨模态冲突"？举例子？
例如 MRI 报告提示 PI-RADS 5（高度可疑），但活检病理报告显示低危；或 PSAdensity 高但 DRE 正常。这类矛盾在真实病历里常见，agent 须显式识别并说明采信依据，而非无视。
Q28：Task 1/2/3 是否必须全部参加？
官网称三任务"相连但独立评估"。是否可只参加部分任务，以参赛规则为准（一般 GC 挑战允许分任务提交，但完整参赛通常鼓励三项全做）。
Q29：推理是自由文本吗？
不是。官网称提交"结构化推理轨迹"，对齐该例结构化输入字段——即推理须逐项对应到具体证据字段，可被机器核查，而非散文式叙述。
Q30：为什么"编造理由"会被专门惩罚？
临床场景对幻觉零容忍：一个编造影像或病理发现的 AI，可能误导治疗方案。CHIMERA-agent 把反幻觉写进评估规则，是把临床安全要求前置到 benchmark 层。
Q31：2025 版的冠军模型能直接用在 2026 版吗？
不能直接用。2025 版输入是原始图像（mpMRI 序列 + WSI），2026 版输入是报告 + 临床变量；任务定义、评估指标、提交格式都不同。可借鉴的是"多模态编排"的思路，而非具体模型。
Q32：它和普通"医学问答"数据集有何不同？
医学问答考"知识正确性"；CHIMERA-agent 考"在特定病例的残缺证据下做决策 + 交代推理"。它绑定真实病例、有临床结局 ground truth、有反幻觉与指南对齐要求，更接近"临床就绪度压力测试"。
Q33：想研究"缺失模态鲁棒性"，它适合吗？
非常适合。它是少见的故意保留缺失与冲突的医学 benchmark，且缺失/冲突处理被显式纳入评估，天然适合做鲁棒性研究的测试床。
Q34：数据会不会以后才开放？
挑战进行中，训练数据经 GC 平台发放。是否会像部分挑战那样在结束后公开数据，目前无官方信息，列为待核。建议关注 GC 页面与任何后续 summary paper。
事实清单（硬事实 28 条）
- 全称：Combining HIstology, Medical imaging and molEcular data for medical pRognosis and diAgnosis Agent（CHIMERA-agent）。
- 会议：MICCAI 2026；形式：半天 workshop，2026-10-01。
- 主办：Radboud UMC；协办：Karolinska Institute、UMC Utrecht。
- 设计文档 DOI：10.5281/zenodo.19818695（v1，Published 2026-04-27）。
- 作者 6 人 3 机构：Khalili/Litjens/van Ipenburg（Radboudumc）、Kartasalo/Eklund（Karolinska）、Ragusi（UMC Utrecht）。
- Primary contact：nadieh.khalili@radboudumc.nl。
- 官方许可：CC BY-NC-SA（MICCAI 2026 官方挑战列表）。
- MICCAI 官方 problem category：Classification; Prediction。
- 三任务：① 活检前 MRI-only 活检决策；② 活检后 MRI+病理四策略风险分层；③ 根治术后 BCR 预测。
- Task 2 四策略：active surveillance / continued surveillance / watchful waiting / active treatment。
- Task 2 指南依据：EAU/NCCN。
- Task 3 输出：时间依赖 BCR 风险（复发/末次随访时间 + 事件状态）。
- 每例输入：结构化 JSON（mpMRI 报告、病理报告、临床变量、纵向 PSA）。
- 每例输出：两个约 5 KB JSON（预测 + 推理）。
- 推理评估：对齐结构化输入字段；无依据/矛盾/幻觉被发现惩罚。
- top 提交由临床专家复核临床合理性。
- 官方排名哲学：预测准但编造理由者不排前列。
- 设计焦点：缺失模态、纵向证据、跨模态冲突。
- Task 3 官网明示 missing modalities are intentionally present。
- 参赛方式：Grand Challenge 平台注册参赛。
- 训练要求：编排预训练基础模型，从头训练非必须。
- 官方工具：MRI 前列腺分区分割 / 自动 Gleason 分级 / MRI-based csPCa 检测。
- 临床变量字段：age/PSA/PSA density/PI-RADS/DRE/病史家族史/csPCa 概率分。
- ground truth：定义性临床结局；参考推理经结构化临床评估界面采集。
- 前作：MICCAI 2025 CHIMERA（库内 rid 633）。
- 缩写展开届次差异：2026 版去 “(Radiology)”、加 Agent。
- Zenodo 描述关键数字：前列腺癌每年约 140 万男性确诊。
- 状态：挑战进行中，无 summary paper、无冠军。
- 输入形态为报告级（mpMRI 报告 + 病理报告 + 临床变量 + 纵向 PSA），非原始影像。
- 官方要求"编排预训练模态专用工具"，分区分割 / Gleason 分级 / csPCa 检测三类。
- 建立于 2025 版 CHIMERA 之上（GC 官网 build on 明示）。
- 2026 版未延续 2025 版的膀胱癌支线（BRS / NMIBC 进展）。
- 三任务可含多时间点检查（Task 3 明确多 MRI/活检）。
- 缺失模态为设计特征（intentionally present）。
- 推理评估三层：证据存在性、一致性、专家临床合理性（层次为依据官网描述推断）。
- 第三方研究报告提出"决策门控 × 推理加权和"设想的评分（非官方）。
- 交付形态据第三方称含离线 Docker + 6 页 LNCS（非官方）。
- 三机构横跨荷兰（Radboudumc、UMC Utrecht）与瑞典（Karolinska）。
- 2025 版 Task 1 数据规模 267 例（radboud+Canisius Wilhelmina），与 2026 版不可混用。
- 2025 版冠军 TIA-Pegasus（ModalSurv），与 2026 版无关。
术语表（32 条）
- CHIMERA-agent：本挑战赛名，2025 版 CHIMERA 的 agentic 迭代版。
- Agentic AI：能自主编排工具/模型完成多步决策的 AI 系统范式。
- 决策点（decision point）：患者旅程中需要做出临床判断的节点，本挑战共三个。
- mpMRI（multiparametric MRI）：多参数磁共振，前列腺癌影像诊断核心手段。
- PI-RADS：前列腺影像报告与数据系统评分，评估 csPCa 可能性。
- DRE（digital rectal examination）：直肠指检。
- csPCa（clinically significant prostate cancer）：临床显著前列腺癌。
- PSA（prostate-specific antigen）：前列腺特异抗原，血检指标。
- PSA density：PSA 密度，PSA 除以前列腺体积。
- 活检（biopsy）：取前列腺组织做病理检查。
- Active surveillance：主动监测，低危患者定期复查暂不治疗。
- Watchful waiting：观察等待，症状驱动而非治愈导向的管理。
- Active treatment：积极治疗，手术或放疗等根治手段。
- BCR（biochemical recurrence）：生化复发，术后 PSA 回升提示复发。
- 根治性前列腺切除术（radical prostatectomy）：切除整个前列腺的手术。
- EAU/NCCN 指南：欧洲泌尿外科学会 / 美国国家综合癌症网络临床指南。
- Gleason 分级：前列腺癌病理分级系统。
- 推理轨迹（reasoning trace）：agent 记录其证据使用与决策逻辑的结构化输出。
- 幻觉（hallucination）：模型编造输入中不存在的信息。
- 缺失模态（missing modality）：某病例缺少某些数据类型，本挑战故意保留。
- 跨模态冲突（cross-modality conflict）：不同来源证据互相矛盾。
- 纵向证据（longitudinal evidence）：随时间多次采集的数据（如 PSA 趋势）。
- 临床合理性（clinical plausibility）：专家判断推理在临床上行得通。
- Grand Challenge：医学影像挑战赛托管平台（grand-challenge.org）。
- 决策政策（decision policy）：agent 决定"在何种证据下做何决策"的规则集合，本挑战的比拼核心。
- 编排（orchestration）：把多个预训练工具/模型组织成决策流水线。
- csPCa 概率分：官方提供的深度学习输出的临床显著癌概率，作为临床变量之一。
- time-to-event（时间到事件）：生存分析核心设定，关注事件发生时间。
- 删失（censoring）：随访结束时事件未发生，仅知"至少随访至某时"。
- C-index：一致性指数，生存预测的排序性能指标（2025 版用，2026 版指标待公布）。
- EHR（electronic health record）：电子健康记录，本挑战输入模拟其碎片化形态。
- 临床就绪度（clinical readiness）：AI 能否进入真实诊疗的评价维度，本挑战以反幻觉与推理可追溯性为抓手。
附录
附录 A：条目信息速查卡
| 项 | 内容 |
|---|---|
| slug | chimera-agent |
| 官方名 | CHIMERA-agent |
| 主办 | Radboudumc（+Karolinska、UMC Utrecht） |
| 会议 | MICCAI 2026，半天 workshop，2026-10-01 |
| DOI | 10.5281/zenodo.19818695 |
| 许可 | CC BY-NC-SA |
| 获取 | Grand Challenge 注册参赛 |
| 任务 | 3（活检决策/风险分层/BCR 预测） |
| 特色 | 预测 + 结构化推理，反幻觉惩罚 |
| 前身 | CHIMERA（MICCAI 2025，库内 rid 633） |
| 库内互链 | chimera(633)、PI-CAI、PANDA/PANDA-PLUS、LEOPARD、REG²(639) |
附录 B：DAIMS 评估全表
| 维度 | 评分 | 依据 |
|---|---|---|
| 文档完整性 | 8 | Zenodo 设计文档 + GC 官网全述；但逐任务页 404、例数未披露 |
| 标注质量 | 8 | ground truth 来自定义性临床结局；推理参考由泌尿科医生采集 |
| 可复现性 | 6 | GC 注册制，无公开直链；工具与 schema 公开；无 summary paper |
| 可获取性 | 6 | 参赛制（注册墙），弱于 2025 版 AWS 全开放 |
| 伦理透明度 | 8 | 数据源自临床、经伦理与协议；EHR 式病历匿名化；条款以参赛协议为准 |
| DAIMS 综合 | 7.2 | 文档与标注强、获取受参赛门槛约束、学术出口待出 |
说明：本表为主观加权评估，用于条目间相对定位，非组织方官方评分。受"挑战进行中、无 summary paper、逐任务页缺失"影响，可复现性与可获取性给分保守。
附录 C：数据获取决策树
你想要什么？
├─ 想要 agentic 临床决策 + 推理 benchmark 数据
│ └─ CHIMERA-agent（本条）→ Grand Challenge 平台注册参赛
├─ 想要 2025 版多模态预后建模数据（可直下）
│ └─ CHIMERA（rid 633）→ aws s3 sync --no-sign-request s3://chimera-challenge/
├─ 想要前列腺 mpMRI 检测数据
│ └─ PI-CAI
└─ 想要前列腺病理分级数据
└─ PANDA / PANDA-PLUS
附录 D：三任务决策点速查
| 任务 | 时机 | 输入 | 输出 | 考点 |
|---|---|---|---|---|
| T1 | 活检前 | mpMRI 报告 + 临床变量 | 是否建议活检 | 极少信息下的诊断决策 |
| T2 | 活检后 | MRI + 活检病理 + 临床变量 | 四策略之一 | 指南对齐 + 分层 |
| T3 | 根治术后 | 根治/活检病理 + 术前 MRI + 术前 PSA | BCR 时间 + 事件状态 | 生存分析 + 缺失/纵向处理 |
附录 E：推理评测三层核查
| 层 | 核查者 | 核查什么 |
|---|---|---|
| 1 | 机器 | 推理发现是否存在于该例结构化输入字段（反幻觉） |
| 2 | 机器 | 推理是否自洽、有无矛盾、缺失/冲突处理是否交代 |
| 3 | 临床专家 | top 提交的推理临床合理性 |
附录 F：与 2025 版对照速查（差异一键查）
见 §2.1 对照表。核心五差异：缩写展开、任务定义、提交物、获取方式、学术出口。
附录 G：坑点档案（与 §10 对照）
坑 1 届次混淆 / 坑 2 AWS 依赖 / 坑 3 第三方数字 / 坑 4 残缺误解 / 坑 5 缩写展开 / 坑 6 重训误区 / 坑 7 推理计分 / 坑 8 许可出口平移。详见 §10。
附录 H：时间线速查（含存照标记）
| 时点 | 事件 | 来源强度 |
|---|---|---|
| 2026-04-27 | Zenodo 设计文档 v1 发布 | 官方一手 |
| 2026-08 | DIAG 新闻预告挑战 | 官方一手 |
| 2026-10-01 | CHIMERA-agent 半天 workshop | 官方一手 |
| （2026-09-10） | 第三方称测试截止 | 第三方，存疑 |
附录 I：库内互链点（含建议理由）
| 库内条目 | rid | 互链理由 |
|---|---|---|
| chimera | 633 | 必链：2025 届前身，同源迭代 |
| PI-CAI | 待核 | 前列腺 mpMRI 检测直系，baseline 迁移源 |
| PANDA / PANDA-PLUS | 库内 | Gleason 分级工具生态邻居 |
| LEOPARD | 库内 | H&E time-to-BCR 生存分析同轴 |
| REG² | 639 | DIAG/GC 病理生态邻居 |
附录 J：检索决策树
检索前缀词 → 命中条目
├─ "CHIMERA agent" / "agentic 前列腺决策" → 本条 chimera-agent
├─ "CHIMERA challenge" / "多模态前列腺预后" → chimera(633)
├─ "前列腺 mpMRI 检测" → PI-CAI
└─ "前列腺 Gleason 分级" → PANDA / PANDA-PLUS
附录（扩展）
附录 K：术语与缩写逐条详解
本附录对全文出现的关键缩写逐条展开，便于检索者速查。
挑战与组织
- CHIMERA-agent：本挑战全名缩写。C-ombining HI-stology M-edical imaging E-cular-data R-ognosis A-diagnosis。末尾 “agent” 标示其 agentic 定位。
- CHIMERA（无 agent）：2025 版，任务与 2026 版不同，见 §2。
- MICCAI：Medical Image Computing and Computer Assisted Intervention，医学影像计算与计算机辅助介入会议，医学影像 AI 领域顶级会议之一。
- Grand Challenge：grand-challenge.org，医学影像挑战赛的常用托管平台。
- DIAG：Diagnostic Image Analysis Group，Radboudumc 下属诊断图像分析研究组。
- Radboudumc：Radboud University Medical Center，荷兰奈梅亨的大学医学中心。
- Karolinska：Karolinska Institute，瑞典斯德哥尔摩的著名医学院。
- UMC Utrecht：University Medical Center Utrecht，荷兰乌得勒支大学医学中心。
临床与影像
- mpMRI：multiparametric MRI，多参数磁共振，组合 T2 加权、弥散加权（DWI/ADC）、动态对比增强（DCE）等多序列，用于前列腺癌评估。
- PI-RADS：Prostate Imaging Reporting and Data System，前列腺影像报告与数据系统，1-5 分评估临床显著癌可能性。
- DRE：digital rectal examination，直肠指检，评估前列腺质地、结节。
- PSA：prostate-specific antigen，前列腺特异性抗原，血液肿瘤标志物。
- PSA density：PSA 除以前列腺体积，校正前列腺大小的影响。
- csPCa：clinically significant prostate cancer，临床显著前列腺癌（通常指 ISUP ≥2 或更高）。
- ISUP：International Society of Urological Pathology，其分级分组（Grade Group 1-5）替代传统 Gleason 总分。
- Gleason 分级：基于腺体结构异型性的病理分级，主/次 pattern 组成总分。
- BCR：biochemical recurrence，生化复发，术后 PSA 回升提示复发。
- time-to-event：生存分析术语，关注事件发生的时间，需处理删失。
- censoring（删失）：随访结束时事件尚未发生，只知道"至少活到某时"。
管理与指南
- Active surveillance（主动监测）：低危患者定期复查（PSA、MRI、重复活检），暂不根治，一旦进展再治疗。
- Continued surveillance（继续监测）：主动监测路径的延续决定。
- Watchful waiting（观察等待）：以症状缓解为目标的管理，常用于预期寿命有限者。
- Active treatment（积极治疗）：手术（根治性前列腺切除）或放疗等根治性手段。
- EAU：European Association of Urology，欧洲泌尿外科学会。
- NCCN：National Comprehensive Cancer Network，美国国家综合癌症网络。
Agent 与 AI
- agentic AI：能够自主规划、调用工具、多步推理以完成任务目标的 AI 系统。
- decision policy（决策政策）：agent 决定"在什么证据下做什么决策"的规则集合。
- structured reasoning trace（结构化推理轨迹）：对齐输入字段、逐项说明证据使用与决策逻辑的结构化输出。
- hallucination（幻觉）：模型生成输入中并不存在的信息。
- clinical plausibility（临床合理性）：专家判断推理在真实临床中是否站得住。
- orchestration（编排）：把多个预训练模型/工具组织成一条决策流水线。
附录 L：核心事实的来源强度分级
| 事实 | 来源 | 强度 |
|---|---|---|
| 挑战名/缩写 | GC 官网 + Zenodo 标题 + MICCAI 列表 | 三源互证 |
| DOI 10.5281/zenodo.19818695 | Zenodo record 页 | 官方一手 |
| CC BY-NC-SA | MICCAI 官方挑战列表 | 官方一手 |
| 三任务定义 | GC 官网正文 | 官方一手 |
| 四策略名称 | GC 官网正文 | 官方一手 |
| 推理评测规则 | GC 官网正文 | 官方一手 |
| 官方工具清单 | GC 官网正文 | 官方一手 |
| 临床变量字段 | GC 官网正文 | 官方一手 |
| 半天 workshop 2026-10-01 | GC Key facts + DIAG 新闻 | 双源一致 |
| 6 作者 3 机构 | Zenodo 作者列表 | 官方一手 |
| 训练/测试例数 | 第三方中文研究报告 | 第三方，存疑 |
| 测试截止 2026-09-10 | 第三方中文研究报告 | 第三方，存疑 |
附录 M：与 2025 版的逐字段对照（检索防混用）
| 字段 | 2025 版 CHIMERA（rid 633） | 2026 版 CHIMERA-agent（本条） |
|---|---|---|
| 缩写尾字母 | 无 | Agent |
| 含 “(Radiology)” | 是 | 否 |
| 会议年份 | MICCAI 2025 | MICCAI 2026 |
| 会议地点口径 | 韩国大田 | Strasbourg 等（DIAG 新闻提及） |
| 任务数 | 3 | 3（但为决策点） |
| 任务主题 | BCR / BRS / NMIBC 进展 | 活检决策 / 风险分层 / BCR |
| 提交物 | 预测值 | 预测 + 推理 |
| 数据完整性 | 追求配对 | 故意残缺 |
| 训练要求 | 可自训 | 编排优先 |
| 获取 | AWS 无账户直下 | GC 注册参赛 |
| 许可 | CC BY-NC-SA | CC BY-NC-SA |
| summary paper | 双篇已出 | 无 |
| 冠军 | TIA-Pegasus | 未产生 |
| 数据规模（硬） | 267/182/176 例 | 官方未披露 |
附录 N：推理评分项的推测性拆解（标注为推断）
重要声明：以下拆解基于 GC 官网"推理对齐结构化输入字段、幻觉被惩罚、专家复核合理性"的公开描述推断而来，非官方评分公式。官方未公开精确权重，此处仅供理解设计意图，不可作为事实引用。
官方描述可拆为三层核查（与 §4 一致）：
- 证据存在性（evidence groundedness）：推理中提到的每一条发现，是否真的存在于该例输入字段中？不存在的 → 幻觉 → 扣分。
- 证据一致性（consistency）：推理内部是否自相矛盾？是否与输入字段冲突？冲突处是否被识别与处理？未处理或强词夺理 → 扣分。
- 缺失/冲突处理质量：当缺失模态或跨模态冲突存在时，agent 是否显式说明"我因缺 X 而降低了置信"“A 与 B 冲突，我采信 B 因为……”？
- 专家临床合理性：top 提交由临床医生复核，判断推理链条是否符合临床逻辑。
第三方研究报告提出一种"决策门控 × 推理加权和"的评分设想（存照，非官方），并强调"即使决策 100% 正确，若变量权重、置信度、证据引用不匹配专家标注，也只能拿到约一半分"——这一说法未经官方确认，但它揭示的直觉（推理质量与预测质量并重）与 GC 官网原文方向一致。
附录 O：检索者决策树（长版）
检索意图？
├─ "我要做 agentic 医学决策研究"
│ ├─ 要现成数据训练 → CHIMERA(633) 2025 版 AWS 直下（但非 agentic）
│ └─ 要 agentic benchmark → CHIMERA-agent 注册参赛
├─ "我要做前列腺癌影像 AI"
│ ├─ mpMRI 检测 → PI-CAI
│ ├─ 病理分级 → PANDA / PANDA-PLUS
│ └─ 术后复发 → LEOPARD / CHIMERA(633) Task1 / CHIMERA-agent Task3
├─ "我要做 LLM 临床推理评测"
│ └─ CHIMERA-agent（推理轨迹 + 反幻觉）
└─ "我要做缺失模态鲁棒性"
└─ CHIMERA-agent（故意保留缺失与冲突）
附录 P：参赛入门清单（据公开信息整理）
- 访问
chimera-agent.grand-challenge.org，阅读挑战说明。 - 在 Grand Challenge 注册账号，加入 CHIMERA-agent 挑战。
- 通读三任务定义（活检决策 / 风险分层 / BCR 预测）与统一 IO schema。
- 领取官方工具（分区分割 / Gleason 分级 / csPCa 检测）与结构化临床变量。
- 设计决策政策（原文要求"编排预训练工具"而非从头训练）。
- 为每例生成两个 JSON（预测 + 推理），推理须对齐输入字段、避免幻觉。
- 按平台要求提交（据第三方称含离线 Docker + LNCS 短文，以官方规则为准）。
附录 Q：双口径冲突清单（与 §8.1 呼应）
| # | 事项 | 官方口径 | 第三方口径 | 处理 |
|---|---|---|---|---|
| 1 | 训练例数 | 未披露 | 91/61/75 | 标注第三方 |
| 2 | 测试例数 | 未披露 | 100 例 Karolinska | 标注第三方 |
| 3 | 测试截止 | 未列 | 2026-09-10 | 标注第三方，存疑 |
| 4 | 提交形式 | JSON（官网） | 离线 Docker + 6 页 LNCS | 方向一致，细节待核 |
| 5 | 缩写展开 | 2026 版去 “(Radiology)” | — | 按届区分 |
附录 R：三任务与库内任务族的定位
| 任务族 | 库内代表 | CHIMERA-agent 中的体现 |
|---|---|---|
| 图像分类 | PANDA(Gleason) | Task 1/2 的决策分类 |
| 生存分析 / time-to-event | LEOPARD、CHIMERA(633) Task1 | Task 3 BCR 预测 |
| 多模态融合 | PI-CAI、CHIMERA(633) | 三任务均需跨模态整合 |
| 临床决策 + 推理（新） | CHIMERA-agent（本条） | 全流程核心 |
| 报告生成 | REG²(639) | 输入为报告，评估关注推理轨迹 |
附录 S：条目自证与核验轨迹
- 存在性核验（三轮）：① WebSearch 命中 MICCAI 官方挑战列表（含 DOI 与许可）与 DIAG 官方新闻；② WebFetch GC 官网主页（获取全名、任务、规则、工具、日期）；③ WebFetch Zenodo record（获取 DOI、作者、机构、设计文档全文）。
- slug 查重：
SELECT record_id,url_name FROM ai_ready_dataset WHERE status=1 AND url_name ILIKE '%chimera%';→ 仅chimera(633) 命中；chimera-agent未占用。 - 同名目录检查：
writing/下仅chimera（旧条目），无chimera-agent，本条目新建。 - 锁：本代理 agent-e-chimeraage 创建
.lock。 - 遗留缺口：GC 子页 404、官方例数未披露、2026 版无 v2 记录与 summary paper。
附录 T：CHIMERA 系列术语演变对照表
| 术语 | 2025 版 CHIMERA | 2026 版 CHIMERA-agent |
|---|---|---|
| benchmark 类型 | multimodal prognosis benchmark | agentic decision + reasoning benchmark |
| 任务单位 | task（预测任务） | decision point（决策点） |
| 提交物 | prediction | prediction + structured reasoning trace |
| 评分对象 | 数值指标（C-index / F1） | 预测性能 + 推理质量（双轴） |
| 数据完整假设 | 追求配对 | 显式残缺（missingness/fragmentation/conflict） |
| 建模要求 | 可自训（UNI+nnU-Net+ABMIL） | 编排预训练工具 |
| 获取 | AWS Open Data | Grand Challenge 参赛制 |
| 学术出口 | summary paper ×2 | 进行中 |
| 抗幻觉要求 | 无 | 显式惩罚（hallucination penalty） |
| 专家复核 | 无（纯自动指标） | top 提交临床合理性复核 |
附录 U：三决策点与患者旅程时间轴
患者旅程 ──────────────────────────────────────────────▶ 时间
│ │ │ │
[初诊] [活检前] [活检后] [根治术后]
│ │ │ │
PSA 升高 Task 1 Task 2 Task 3
DRE 异常 MRI-only 决策 风险分层决策 BCR 预测
是否活检 四策略之一 时间+事件状态
│ │ │
输入：mpMRI报告 输入：MRI+活检 输入：根治/活检病理
+临床变量 病理+临床变量 +术前MRI+术前PSA
（多时间点，可缺失）
附录 V：Task 2 四策略的临床逻辑对照
| 策略 | 适用倾向 | 目标 | 干预强度 |
|---|---|---|---|
| Active surveillance | 低危、可治愈但不急 | 延迟根治、定期复查、进展再治 | 观察 + 随访 |
| Continued surveillance | 主动监测路径中 | 延续监测决定 | 观察 + 随访 |
| Watchful waiting | 预期寿命有限 | 症状缓解 | 症状驱动 |
| Active treatment | 中高危 | 根治 | 手术/放疗 |
说明：上表为临床通识整理，帮助理解四分类的语义边界；具体判定标准以 EAU/NCCN 指南与挑战方标注为准。
附录 W：官方工具与临床变量清单
官方提供的预训练模态专用工具：
| 工具 | 功能 | 关联库内条目 |
|---|---|---|
| MRI 前列腺分区分割 | 分割前列腺分区（如移行区、外周带） | PI-CAI 生态 |
| 自动 Gleason 分级 | 对活检与根治标本自动分级 | PANDA / PANDA-PLUS |
| MRI-based csPCa 检测 | 从 MRI 检测临床显著癌 | PI-CAI |
每例结构化临床变量（官网明列）：
| 变量 | 含义 |
|---|---|
| age | 年龄 |
| PSA | 前列腺特异抗原 |
| PSA density | PSA 密度 |
| PI-RADS score | 影像风险评分 |
| DRE results | 直肠指检结果 |
| medical & family history | 病史与家族史 |
| csPCa probability | 深度学习生成的临床显著癌概率分 |
附录 X：常见检索歧义消解
| 检索词 | 可能歧义 | 正解 |
|---|---|---|
| CHIMERA | 希腊神话嵌合怪 / 神经科学小鼠模型 / 生物信息嵌合体检测 | 本语境指医学影像挑战赛 |
| CHIMERA + 2025 | 2025 版挑战 | 库内 chimera(633) |
| CHIMERA + agent | 2026 agentic 版 | 本条目 chimera-agent |
| TIA-Pegasus | 2025 版冠军 | 与 2026 版无关 |
| 0.7402 | 2025 版 Task 1 最佳 C-index | 与 2026 版无关 |
附录 Y：数据使用合规检查清单
- [ ] 已确认许可为 CC BY-NC-SA（非商业 + 相同方式共享）。
- [ ] 使用将标注来源（attribution）。
- [ ] 不用于商业用途（NC）。
- [ ] 若做二次数据集，将以相同许可发布（SA）。
- [ ] 已阅读并同意 Grand Challenge 参赛协议（实际条款载体）。
- [ ] 涉及患者数据的分析遵循所在机构伦理要求。
附录 Z：条目维护备忘
- 跟踪点：挑战结果公布、summary paper 是否发布、是否开放赛后数据、是否有 v2 修订。
- 易错点：届次混淆（见坑 1）、第三方数字误当官方（见坑 3）、AWS 依赖（见坑 2）。
- 互链维护：确保
chimera(633) 条目同步增列本条目为"2026 agentic 迭代版"。 - 更新触发：一旦官方公布例数或结果，替换本条目中标注为"第三方/待核"的数字。
§12 一个具体病例的推演（说明性示例）
声明：以下为帮助理解设计意图的说明性虚构示例，非真实病例、非官方样例，数值与结论均为演示用。
设想一位 65 岁男性，PSA 6.8 ng/mL，DRE 未见结节，做过一次 mpMRI。
Task 1（活检前）：
- 输入：mpMRI 报告提示外周带 PI-RADS 4 病灶；临床变量 age=65、PSA=6.8、PSA density≈0.14、DRE 阴性、csPCa 概率分中等偏高。
- 合理决策：建议活检（PI-RADS ≥3 且有临床风险因素时通常推荐）。
- 合格推理：引用"PI-RADS 4"与"PSA density 0.14"两条证据，说明"影像与密度支持活检"，并显式标注"无既往活检、无家族史"等缺失项。
Task 2（活检后）：
- 输入：在前述基础上加活检病理报告（例如 Gleason 3+3=6，ISUP 1，阳性针数 1/12）；可能缺 PSMA 或基因组信息。
- 合理决策：若为低危局限，可推荐 active surveillance。
- 合格推理：对齐 EAU/NCCN，说明"低危 + 局限 + 预期寿命充足 → 主动监测"，并注明"因缺 X 数据置信度有所降低"。
Task 3（根治术后）：
- 输入：若患者改行根治，输入根治病理（如 pT2、切缘阴性）+ 术前 MRI + 术前 PSA；多次随访 PSA 形成纵向序列，可能有个别时间点缺失。
- 合理决策/输出：预测 BCR 时间与事件状态（如"24 个月无生化复发，删失"）。
- 合格推理：说明如何用术前 PSA、病理分期与纵向 PSA 趋势估计风险，如何处理缺失的随访点。
这个示例揭示三条设计要点：
- 同一患者在不同决策点，证据是逐步累加且不完整的——Task 1 只有影像，Task 2 加了病理，Task 3 加了根治与纵向随访，且每步都可能有缺口。
- "缺失"必须被显式承认：合格推理会写"因缺某项数据，我降低了置信度"，而非假装数据齐全。
- "冲突"必须被显式处理：若影像高度可疑而病理低危，推理须说明采信逻辑，而非选择性忽略。
§13 十个坑点（完整版）
在 §10 八坑之外补两坑：
坑 9：把"结构化推理"写成自由发挥的漂亮话。
推理须对齐该例输入字段、逐项对应证据；空泛的"综合判断""结合临床经验"式表述既无法核查，也可能因未引用真实证据而被判无依据。每一条推理都要能指回一个具体输入字段。
坑 10：以为参赛提交一次就完事。
GC 挑战通常有 validation 与 test 多阶段提交，validation 常可多次提交、test 通常限次。不要把 test 当成调试场；先用 validation 反复打磨决策政策与推理模板，再谨慎提交 test。具体阶段规则以官方为准。
§14 三句话给不同读者
- 给临床 AI 研究者：这是把"临床就绪度"（可追溯、反幻觉、指南对齐）写进评分规则的 benchmark 样本，值得作为方法参照。
- 给数据工程师：它是"报告级输入 + 工具编排 + 结构化推理输出"的 pipeline 范式，工程重点是决策政策与证据对齐，而非模型训练。
- 给检索者：记住它就是 MICCAI 2026 的 CHIMERA-agent，前身是 MICCAI 2025 的 CHIMERA（库内 rid 633），两届别混。
§15 十五个常见误解澄清
| # | 误解 | 澄清 |
|---|---|---|
| 1 | CHIMERA-agent 就是 CHIMERA | 不同届：2026 agentic 版 vs 2025 预测版 |
| 2 | 它和 2025 版数据一样 | 任务、输入形态、获取方式均不同 |
| 3 | 数据能 AWS 直下 | 2026 版走 GC 注册参赛 |
| 4 | 需要从头训练大模型 | 官方明确不需要，编排预训练工具即可 |
| 5 | 数据是干净的配对数据 | 故意残缺，缺失是考点 |
| 6 | 只用看预测精度 | 推理质量同样是评分轴 |
| 7 | 推理可以自由发挥 | 须对齐输入字段、可核查 |
| 8 | 编个理由不影响排名 | 反幻觉规则会惩罚，官方明说 |
| 9 | 官方公布了训练例数 | 未公布；91/61/75 是第三方口径 |
| 10 | 测试截止 9-10 是官方的 | 第三方口径，未获官方印证 |
| 11 | 冠军已经出了 | 挑战进行中，无冠军 |
| 12 | 有 summary paper 了 | 无；2025 版才有 |
| 13 | 它延续了膀胱癌任务 | 2026 版聚焦前列腺，无膀胱支线 |
| 14 | 许可与 2025 版不同 | 同为 CC BY-NC-SA |
| 15 | 它和普通医学问答差不多 | 它绑定真实病例、有临床结局、有反幻觉与指南对齐 |
附录 AA：版本历史与待跟踪事项
| 时间 | 事件 | 状态 |
|---|---|---|
| 2026-04-27 | Zenodo 设计文档 v1 发布 | 已确认 |
| 2026-08 | DIAG 新闻预告 CHIMERA-agent（10-01） | 已确认 |
| 2026-09-27 | COMPAYL++ 全天活动（Khalili keynote） | 已确认（DIAG 新闻） |
| 2026-10-01 | CHIMERA-agent 半天 workshop | 已确认 |
| 待跟踪 | 官方训练/测试例数披露 | 未获 |
| 待跟踪 | 挑战结果 / 排行榜 | 未获 |
| 待跟踪 | summary paper | 未获 |
| 待跟踪 | 是否开放赛后数据 | 未获 |
| 待跟踪 | 是否发布 v2 数据修订 | 未获 |
附录 AB：本条目引用的来源清单
| # | 来源 | 类型 | 用于 |
|---|---|---|---|
| 1 | https://chimera-agent.grand-challenge.org/ | 官方一手 | 全名、三任务、推理规则、工具、临床变量、Key facts |
| 2 | https://zenodo.org/records/19818695 | 官方一手 | DOI、作者、机构、设计文档论述、发布日期 |
| 3 | https://miccai.org/index.php/special-interest-groups/challenges/ | 官方一手 | 官方登记、problem category、CC BY-NC-SA |
| 4 | https://www.diagnijmegen.nl/news/news_august26 | 官方一手 | workshop 日期、目标表述 |
| 5 | 第三方中文研究报告（微信） | 第三方 | 例数 91/61/75、测试 100 例、截止 2026-09-10（均存疑） |
| 6 | 库内 writing/chimera/FACTS.md | 库内 | 2025 版对照数据 |
结语
CHIMERA-agent 的价值不在于它现在的数据规模（官方尚未披露），而在于它提出的问题与评估方式：当真实临床数据注定残缺、冲突、迟到时，AI 能不能做出稳健的决策，并把决策理由交代得让医生敢信、能查、可追溯？ 它把"反幻觉"和"结构化推理"从锦上添花的可解释性模块，升格为与预测性能并列的硬指标。对千方病案医数集而言，这是库内第一个以"agentic 临床决策 + 可追溯推理"为核心的数据集条目，也是医学 AI 评估从"精度竞赛"迈向"临床就绪度竞赛"的一个清晰路标。
（全文完）
相关数据集导航
以下为站内 AI-Ready 数据集百科中与本词条共享多个主题标签的相关数据集，按相关度降序排列：
- chimera — 共享标签：医学影像 / MRI / 病理图像 / 挑战赛数据集 / 肿瘤学
- cptac-imaging — 共享标签：医学影像 / MRI / 病理图像 / 肿瘤学
- pi-cai — 共享标签：医学影像 / MRI / 挑战赛数据集 / 肿瘤学
- cmb-aml — 共享标签：医学影像 / 病理图像 / 多模态 / 肿瘤学
- patchgastricadc22 — 共享标签：医学影像 / 病理图像 / 多模态 / 肿瘤学
- reg2026 — 共享标签：医学影像 / 病理图像 / 多模态 / 挑战赛数据集
- rsna-knee-2026 — 共享标签：医学影像 / MRI / 多模态 / 挑战赛数据集
- leopard — 共享标签：医学影像 / 病理图像 / 挑战赛数据集 / 肿瘤学
- panda — 共享标签：医学影像 / 病理图像 / 挑战赛数据集 / 肿瘤学
- paip — 共享标签：医学影像 / 病理图像 / 挑战赛数据集 / 肿瘤学
导航说明：本章节由全站统一标签体系自动计算生成（标签重合度算法），双向可达；点击链接可跳转至对应数据集词条。
