信息速览
INFOBOX：chimera 速览
| 字段 | 值 |
|---|---|
| 数据集 | CHIMERA Challenge Training Data v2（AWS Open Data Registry 收录） |
| slug | chimera（GC 子域 chimera.grand-challenge.org 一致） |
| 全名展开 | Combining HIstology, Medical Imaging (Radiology), and molEcular Data for medical pRognosis and diAgnosis |
| 平台 | Grand Challenge——GC 五连第三发（多义名消歧条款首用） |
| 会议 | MICCAI 2025（2025-09 韩国大田，3,300+ 人史上最大）——结果 CHIMERA workshop 发布 |
| 主办 | Radboud UMC Computational Pathology Group（Geert Litjens/Nadieh Khalili）+ Erasmus MC + CHIMERA Consortium |
| 任务 | 三任务：T1 前列腺生化复发（生存）/T2 BCG 反应亚型（三分类）/T3 NMIBC 进展生存 |
| 模态 | 四模态异构融合：千兆像素 H&E WSI+mpMRI 三序列+bulk RNA-seq+结构化临床——本库模态维度之最 |
| 规模 | Task 1：267 例（801 MRI 序列+942 WSI，train 95/val 23/test 149）；Task 2 v2 182 例；Task 3 v2 176 例；膀胱侧合并 368=182+176 ✓ |
| 结果 | 159 submissions/13 顶级模型；T1 最佳 C 0.7402（临床单模态）/T2 F1 0.73/T3 C 0.68 |
| 冠军 | TIA-Pegasus（Warwick TIA Centre）ModalSurv——C 0.7402（T1 第 1）/0.5740（T2/3 第 5），arXiv 2509.05037 |
| 方法论发现 | 临床单模态屠榜但随机化崩塌至 C≈0.50；多模态 withheld ΔC≤0.04 鲁棒——排行榜最高≠临床最实用 |
| baseline | UNI（病理）+nnU-Net v1（PI-CAI baseline 迁移，影像）+ABMIL（预测头）+minimal baseline template |
| 可获取性 | AWS Open Data：aws s3 sync --no-sign-request s3://chimera-challenge/ 无账户直下——挑战赛数据开放度最高档 |
| 许可 | CC BY-NC-SA 4.0（NC+SA 双限制——对照 LMC1 的 CC BY 4.0） |
| 学术出口 | 双 summary paper 已出（Task 1 arXiv 2608.21497 投 MedIA 38 页/Task 2+3 arXiv 2609.09510）+冠军论文——挑战赛最高档 |
| 续作 | CHIMERA-agent（MICCAI 2026 Abu Dhabi）：agentic 推理轨迹+幻觉惩罚——302 participants |
| 伦理 | 知情同意科研使用明示；Radboud+Canisius Wilhelmina（T1）/Erasmus MC 系队列（T2/3）；无 IRB 编号披露 |
| 一句话 | 泌尿肿瘤多模态预后的标准化起点——也是"多模态数据集组装有多难"的活教材 |
§0 摘要卡：四模态融合与屠榜悖论
§0.1 它是什么
CHIMERA 是 MICCAI 2025 挑战赛（Grand Challenge 平台）：泌尿肿瘤多模态预后建模的三任务 benchmark，由 Radboud UMC 计算病理组（Geert Litjens 组）牵头、Erasmus MC 等 CHIMERA Consortium 联合主办。名字是缩写拼图——组织病理（HIstology）+医学影像（Medical Imaging）+分子数据（molEcular Data）→预后与诊断（pRognosis/diAgnosis），恰好拼成希腊神话喷火怪 CHIMERA。三个任务：Task 1 前列腺癌生化复发预测（mpMRI+H&E WSI+临床，267 例两机构，C-index）；Task 2 高危非肌层浸润性膀胱癌（HR-NMIBC）的 BCG 反应亚型预测（H&E+临床→BRS1/2/3 三分类，weighted F1）；Task 3 NMIBC 进展生存预测（Task 2+bulk RNA-seq，C-index）。训练集在 AWS Open Data Registry 无账户直下，验证/测试隐藏于 GC 注册墙——"训练全开放+评估黑盒"的挑战赛标准形态，也是本库首个生存分析/预后建模任务族与四模态异构融合之最。
§0.2 三个数字
- 267+368：Task 1 前列腺 267 例（801 MRI 序列/942 WSI/95+23+149 三划分闭合）+Task 2/3 膀胱 368 例（182+176 v2 例数代数自洽）——两癌种三任务六百余例多模态配对数据
- 0.7402 vs 0.50：Task 1 榜首 C-index（临床单模态）vs 临床变量随机化后的崩塌值——单模态屠榜的脆弱性；多模态模型同场景 ΔC≤0.04——**“排行榜最高≠临床最实用”**的官方定量注脚
- 132→182/126→176：Task 2/3 数据从 v1 到 v2 的扩容（各 +50 例 Cohort B）——v1 的 8 张问题切片清单直接公示（corrupted/spacing/失焦三类），数据 QC 透明度罕见样本
§0.3 它怎么用
四大用途：①多模态融合方法研究——四模态配对+官方 UNI/nnU-Net/ABMIL 三级 baseline+UNI embeddings 预提取（v2 附带），是融合架构（early/late/hybrid fusion、missing-modality 处理）的标准试验床；②生存分析方法学——C-index 端点+删失配对规则全公开（评估管线代码公开承诺）；③全切片病理+影像联合建模——0.5 µm/pixel 千兆像素 WSI 与 3T MRI 的跨尺度配对；④挑战赛方法复现——冠军 ModalSurv 论文+双 summary paper 完整披露。不适合：膀胱癌影像分割（Task 2/3 无 MRI——影像仅在 Task 1）、细胞级分割（无像素级病灶标注）、临床部署（CC BY-NC-SA 非商业限制+无监管评估）。
§0.4 联动提示
本条是 GC 五连第三发（多义名消歧条款首用——GC 上并存 CHIMERA 与 CHIMERA-agent 两个挑战，§1.4 消歧表）。任务谱系里程碑：本库首个生存分析/预后建模条目（分类/检测/文本/生成/分割之外的第六任务族），评估指标从 Dice/AUC 转向 C-index。与 531/532 构成 GC 平台三级可获取性光谱（LMC2 注册墙→TopBrain Zenodo 直下→CHIMERA AWS 无账户直下）；与 PI-CAI（若库内已收录）构成 baseline 迁移链——官方影像特征提取器就是 PI-CAI 的 nnU-Net 五折 ensemble 原封迁移。
§1 平台与谱系定位
§1.1 Grand Challenge 上的生态位
CHIMERA 上线于 Grand Challenge 平台（DIAG Nijmegen 运营，137,000+ 用户/420+ challenges/8,042 algorithms）——本库 GC 五连的第三发。平台生态位：计算病理组主做的多模态预后赛道，与其自家（Radboud DIAG）的 PI-CAI/LEOPARD/PANDA 构成泌尿肿瘤挑战矩阵——CHIMERA 是该矩阵中唯一的多模态融合任务，也是唯一同时覆盖两癌种（前列腺+膀胱）与两任务类型（生存+分类）的条目。
GC 平台二级分型落位：CHIMERA 属"开放数据+注册墙评估"混合型——训练集经 AWS Open Data Registry 全公开（无需账户），验证/测试仍走 GC Phase 注册墙；与 531 LMC2（训练也注册墙）和 532 TopBrain（Zenodo 直下+隐藏测试）构成三档光谱的中间偏开放档。
§1.2 缩写命名的结构主义
CHIMERA 的缩写是反向工程的范例——先有"多模态融合预后"的概念，再从概念词里抠字母拼出神话生物名：
| 碎片 | 来源词 | 贡献字母 |
|---|---|---|
| HI | HIstology 组织病理 | HI |
| M | Medical Imaging (Radiology) | M |
| E | molEcular Data 分子数据 | E |
| R | pRognosis 预后 | R |
| A | diAgnosis 诊断 | A |
神话层：奇美拉（Chimera）是狮头+羊身+蛇尾的复合怪物——**“三种异质部件拼成一个生物”**正是多模态融合的隐喻。冠军团队 TIA-Pegasus 的命名接住了这个梗（飞马 Pegasus 在神话中击败奇美拉）——挑战赛文化里的命名互文样本。
§1.3 多义名消歧（模板 v1.5 条款首用）
GC 平台上并存两个 CHIMERA 条目，检索时必须区分：
- CHIMERA（chimera.grand-challenge.org）——MICCAI 2025，三任务预后，数据在 AWS S3——本条对象
- CHIMERA-agent（chimera-agent.grand-challenge.org）——MICCAI 2026 续作，agentic 决策 benchmark，302 participants
判别锚三条：①GC 子域名；②数据载体（S3 桶 vs 报告 JSON）；③评估形态（C-index/F1 vs 预测+推理轨迹双输出）。GC 首页的动态榜单数字（302/305）属于 agent 版——引用时不可混用。其他领域同名（神经科学 CHIMERA 小鼠模型/遗传学嵌合体）与本库无关但搜索时是强噪音源。
§1.4 与 MICCAI 挑战赛家族的关系
MICCAI 2025 挑战赛生态里，CHIMERA 的差异化：多数挑战赛做单任务单模态（分割/检测/分级），CHIMERA 做多任务多模态预后——task 设计本身就是消融实验（§3.4）。其"挑战赛+summary paper+冠军论文+AWS 归档"的四件套是 MICCAI 挑战赛生态的完整闭环样本——对照 LEOPARD（单模态病理、同端点）能看出多模态化的代价与收益。
§2 发布形态与学术出口
§2.1 发布形态五型落位
本库"完成发布形态"分类里，CHIMERA 属论文先行型的变体：双 summary paper 后置型——挑战赛 2025-04 开跑，summary paper 2026-08/09 才挂 arXiv（Task 1 38 页投 MedIA；Task 2+3 同期）——赛程与论文间隔 16 个月。对照：530 VinDr-SpineXR（论文先行）、529（悬空 4 年）、531 LMC2（在投）、532 TopBrain（NEJM AI 已发）。Radboud 系的发表纪录（Litjens 组）使"悬空"风险低——但 16 个月间隔提醒：挑战赛型数据的学术出口滞后是常态，引用时以 arXiv 版为准。
§2.2 学术出口清单
| 出口 | 状态 | 载体 |
|---|---|---|
| Task 1 summary paper | arXiv 2608.21497（2026-08-21）→ 投 MedIA | 38 页/3 图/3 补图 |
| Task 2+3 summary paper | arXiv 2609.09510（2026-09-10） | 挑战赛联盟署名（CHIMERA Challenge Consortium 集体作者） |
| ModalSurv 冠军论文 | arXiv 2509.05037（2025-09-08，更新 12-18） | 4 页 1 图 2 表 |
| 数据本体 | AWS Open Data Registry+GC 双注册 | ARN+Registry 元数据页 |
| baseline 代码 | GitHub DIAGNijmegen/CHIMERA | UNI+nnU-Net+ABMIL 全链 |
§2.3 引用规范
AWS Registry 给出的引用格式：“CHIMERA was accessed on DATE from https://registry.opendata.aws/chimera”——数据引用走 Registry，方法引用走 summary paper，冠军方法引用走 ModalSurv。三引分流清晰——AI-Ready 评估中"引用规范性"的高分结构。
§3 三任务定义深度解析
§3.1 Task 1：前列腺癌生化复发（BCR）预测——从 PSA 争议到多模态证据链
临床背景：生化复发（biochemical recurrence）定义为前列腺切除术后任何可检出的 PSA 水平（≥0.1 µg/L）加确认性升高——是无病生存的经典替代终点。但 GC 主页直言 PSA 是"有争议的生物标志物，预测生化复发的可靠性有限"——当前临床评估依赖临床与病理变量（Gleason 评分/pT 分期/切缘状态），缺乏多模态标准。CHIMERA 的答案：把**术前 mpMRI（宏观）与术后 H&E 病理切片（微观）**放进同一个预测任务，用深度学习同时提取两个尺度的预后信号。
数据构成（Task 1 页面+summary paper 双信源）：
- 267 例患者，两机构（Radboud UMC + Canisius Wilhelmina Hospital，均为荷兰奈梅亨）
- 801 个 MRI 序列：Siemens 3T 扫描仪，三序列 T2 加权（T2W）+高 b 值扩散（HBV）+ADC 图——每例约 3 个序列；前列腺分割 mask 附带
- 942 张 WSI：3DHISTECH PANNORAMIC 1000 扫描，0.5 µm/pixel，每例多张（模拟真实前列腺切除标本的复杂性——“closely mimic the complexity of real-world prostatectomy specimens”）；前景组织 mask 附带
- 临床变量：论文口径 13 个/例；页面表格实际 15 行（§5.3 口径差存照）
- 划分：train n=95 / validation n=23 / test n=149（95+23+149=267 ✓）——基线临床病理特征三划分间无显著差异（论文统计）
入组标准（四条全列）：①mpMRI（T2W+ADC+高 b 值）可得且 2012 年后采集；②手术 2020 年前完成；③手术时+复发时 PSA 均可得；④患者知情同意科研使用。
任务形式：预测 time-to-BCR——BCR 患者输出手术到复发月数，非 BCR 患者输出手术到最近 PSA 测量的随访月数。Censored C-index 评估。
§3.2 Task 2：BCG 反应亚型（BRS）预测——全球稀缺药物的分层问题
临床背景：约 50% 的高危非肌层浸润性膀胱癌（HR-NMIBC）患者对卡介苗（BCG）膀胱灌注治疗无反应——而 BCG 是"全球稀缺资源"（GC 主页原文：“a globally scarce resource”）。 molecular RNA 分析已与高危治疗反应关联（STM 2023 论文的 BRS 分型）。早期决策需要不依赖测序的替代路径——CHIMERA 的 Task 2 问的是：H&E 形态学+常规临床变量能否预测 RNA-seq 定义的 BCG 反应亚型？
数据构成：
- v2 182 例（v1 132 例→v2 +50 例 Cohort B，§5 详述）
- H&E WSI：每例一张，最高分辨率 0.25 µm/pixel（注意：比 Task 1 的 0.5 µm/pixel 更细一档）；组织 mask 附带
- 临床变量：11 个结构化字段（age/sex/smoking/tumor primary-or-recurrent/stage/grade/reTUR/LVI/variant/EORTC/no_instillations——§4.3 全表）
- 标签：BRS1/BRS2/BRS3——从 RNA-seq 导出的生物标志物定义 BCG 反应亚型（Reference Standard）
- 评估：weighted F1（三分类不平衡加权）
注意：Task 2 没有 RNA-seq 输入（RNA 是标签来源）也没有 MRI——模态组合与 Task 3 恰好构成消融对照：Task 3 = Task 2 + RNA-seq 输入 + 生存端点。
§3.3 Task 3：NMIBC 进展生存预测——形态学与分子的赛跑
任务定义：Task 2 的扩展——整合组织病理+转录组学预测 HR-NMIBC 患者 time-to-progression。GC 页面明确 RNA-seq 的空间来源：“RNA-seq data is derived from a selected tumor region within the histopathology slide”——测序区域与切片有三种配对情形：①相邻切片（adjacent section）；②同一张 H&E 切片打孔取样（punched cavity）；③同一患者的另一肿瘤的 H&E。
数据构成：
- v2 176 例（v1 126 例→+50 例 Cohort B；8 张问题切片与 Task 2 的编号平行——3A_024 corrupted/3A_017,031,042,050,141,143,157 spacing 错误/3A_025 失焦空白 mask 不可修复）
- H&E WSI + 组织 mask + bulk RNA-seq（DESeq2 归一化）+ 临床变量（同 Task 2 全表 + BRS 字段）
- 标签：progression 0/1 + time_to_prog_or_FUend（月）——进展或随访截止时间
- v2 附赠：UNI 0.25mpp 224×224 patch embeddings（.pt）+patch 坐标（.npy），经 slide2vec 管线提取——官方预提取特征直接送训练
- 评估：Censored C-index（删失配对规则 §6.1）
§3.4 三任务矩阵：一组设计精巧的消融实验
把三个任务并排看，会发现 CHIMERA 的任务设计本身就是一组受控对照：
| 维度 | Task 1 | Task 2 | Task 3 |
|---|---|---|---|
| 癌种 | 前列腺癌 | 膀胱癌 HR-NMIBC | 膀胱癌 HR-NMIBC |
| 端点类型 | 生存（time-to-BCR） | 分类（BRS1/2/3） | 生存（time-to-progression） |
| WSI | ✅ 每例多张 0.5mpp | ✅ 单张 0.25mpp | ✅ 单张 0.25mpp |
| MRI | ✅ 三序列 | ❌ | ❌ |
| RNA-seq | ❌ | ❌（作标签） | ✅ DESeq2 |
| 临床变量 | 13-15 个 | 11 个 | 11+BRS |
| 指标 | C-index | weighted F1 | C-index |
| 规模 | 267 例 | 182 例（v2） | 176 例（v2） |
Task 2 vs Task 3 隔离了 RNA-seq 输入的边际贡献；Task 1 vs Task 2/3 隔离了 影像模态+更大变量表 的作用。这种"挑战赛即消融"的设计在挑战赛文献中难得一见——大多数挑战赛只做一个任务（对照 PANDA/PI-CAI/LEOPARD 单任务形态）。
§4 数据本体：四模态的技术规格
§4.1 病理模态：千兆像素 WSI 的两种分辨率
- Task 1：0.5 µm/pixel（20× 物镜等效），3DHISTECH PANNORAMIC 1000 扫描仪，每例多张切片——前列腺切除标本的完整取样
- Task 2/3：0.25 µm/pixel（40× 等效）最高分辨率，单张/例——膀胱 TURB 标本
- 两者均附带二值组织 mask（_HE_mask.tif）——前景/背景分割预处理，避免千兆像素的白背景算力浪费
- v2 附带 UNI embeddings+patch 坐标——UNI 是 Mahmood Lab 的病理基础模型（HuggingFace MahmoodLab/UNI）
- 格式：TIFF（_HE.tif），金字塔存储
§4.2 影像模态：Siemens 3T mpMRI 三序列
- T2 加权（T2W）——解剖结构参考
- 高 b 值扩散加权（HBV）——细胞密度信号
- ADC 表观扩散系数图——扩散定量
- 前列腺分割 mask 附带（zone-level）——与 PI-CAI 的标注传统一致
- 801 序列/267 例 ≈ 3.0 序列/例——三序列齐备的标准配例
- 所有扫描 2012 年后采集（设备/协议时代一致性控制）
§4.3 临床模态：结构化变量全表
Task 1 页面 15 行（论文口径 13 个）：
| 特征 | 类型 | 说明 |
|---|---|---|
| Age at prostatectomy | Integer | 手术时年龄 |
| Primary Gleason | Ordinal 1-5 | 最主要组织学模式 |
| Secondary Gleason | Ordinal 1-5 | 次主要模式 |
| Tertiary Gleason | Ordinal 1-5/NaN | 第三模式（<5% 肿瘤，提示侵袭性） |
| ISUP grading | Ordinal 1-5 | 由 Gleason 评分映射（EAU 指南） |
| PSA prior to surgery | Float µg/L | 术前 PSA；<0.10 记"<0.10"（非检出） |
| PSA at recurrence | Float µg/L | 复发时 PSA；同上 |
| BCR status | Binary 0/1 | 术后任一 PSA≥0.1 µg/L 定义 |
| pT-staging | String | 病理 T 分期（EAU 指南） |
| Lymph node invasion | 0/1/“x” | 淋巴结侵犯（x=未切除淋巴结） |
| Capsular penetration | 0/1/“x” | 包膜穿透（x=病理未评估） |
| Positive surgical margins | 0/1/2 | 切缘阳性（2=病理医师无法评估） |
| Seminal vesicle invasion | 0/1/“x” | 精囊侵犯（x=未切除） |
| Lymphovascular invasion | Binary 0/1 | 淋巴血管侵犯 |
| Earlier therapy | String | 既往前列腺癌治疗 |
Task 2/3 共用 11 变量（age/sex/smoking/tumor primary|recurrent/stage TaHG|T1HG|T2HG+T1m|T1e substage/grade G2|G3/reTUR/LVI/variant UCC|UCC+Variant/EORTC High|Highest risk/no_instillations（-1=缺失）），Task 3 另含 BRS 字段与 reference standard（progression 0/1+time_to_prog_or_FUend）。
三值编码 0/1/“x” 是本数据集的临床现实主义细节——"x"显式编码"未切除/未评估"信息缺失，区别于 0/1 的真实阴性/阳性；margin 的 “2” 同理。这类缺失编码在建模时是陷阱也是机会（§7.3 缺失感知建模）。
§4.4 分子模态：bulk RNA-seq 的队列结构
- DESeq2 归一化的 bulk RNA-seq（_RNA.json）
- 来源：WSI 上选定的肿瘤区域微切割测序
- Cohort A（3A 前缀）vs Cohort B（3B 前缀）：Cohort B 50 例来自 STM 2023 论文（de Jong FC et al., Sci Transl Med 15(697):eabn4118）队列，测序协议与 Cohort A 不同且未做批次效应校正——页面明示。这是数据集诚实披露的典范，也是使用者的必读警告（跨队列分析需自行处理）
- BRS 标签即从此 RNA 数据导出（Biomarker-derived BCG Response Subtype）
§4.5 存储结构：S3 桶与文件命名
s3://chimera-challenge/（us-west-2，no-sign-request）
v2/
task1/ data/ {patient_id}/{patient_id}_*.tif|json + quality_control.csv
task2/ data/ + features/coordinates/*.npy + features/*.pt
task3/ data/ + features/coordinates/*.npy + features/*.pt
每例一个文件夹（_CD.json 临床+_HE.tif 切片+_HE_mask.tif 组织 mask[_RNA.json 转录组]）；features/ 是 v2 新增的 UNI 预提取产物。AWS Open Data Registry 收录页给出 ARN arn:aws:s3:::chimera-challenge——注册页+文档页+引用格式齐备。
§5 数据版本演化与质量透明
§5.1 v1→v2 演化全记录
| 版本 | Task 2 | Task 3 | 变化 |
|---|---|---|---|
| v1（2025-04-10 随赛发布） | 132 例 | 126 例 | 首发；含 8 张问题切片 |
| v2（挑战赛期间） | 182 例 | 176 例 | +50 例 Cohort B（3B）；修复 7 张 spacing+1 张 corrupted；2A/3A_025 失焦不可修复保留；新增 UNI embeddings+patch 坐标；_CD.json 全量更新对齐 val/test 特征集 |
- 2025-06-08 修复存照：v2 的 _CD.json 缺失 progression 参数——发现后修正重传 AWS（页面 UPDATE 记录）
- v1 问题切片清单直接公示：Task 2 的 2A_024（corrupted）/2A_017, 031, 042, 050, 141, 143, 157（spacing 错误）/2A_025（失焦→空白 mask，不可修复）；Task 3 的 3A_* 编号镜像同款——挑战赛页面主动列数据缺陷清单的做法在挑战赛实践中罕见（对照 530 VinDr-SpineXR 的页面拼写事故被动考古，CHIMERA 是主动透明）
- task{n}_quality_control.csv 随数据发布——QC 结果结构化交付
§5.2 Cohort A/B 的批次陷阱
Cohort B 的加入让 Task 3 的 RNA 数据天然带双协议结构：3A（原队列）与 3B（STM 2023 队列）测序协议不同、未做批次调整。官方只提示"no batch effect adjustment was performed on these 2 cohorts"——对参赛者是噪音源，对方法研究者是现成的域移/批次效应测试床。后挑战分析发现"cohort-dependent performance degradation"（队列依赖性能退化）——模型在两队列上的表现差异是 Task 2+3 论文的核心发现之一。
§5.3 页面 vs 论文的口径差存照
- 临床变量数：论文摘要 “13 clinical variables per case” vs Task 1 页面表格 15 行——差异或因 BCR status（标签）与 PSA at recurrence（与 BCR 定义耦合）的统计归类不同；引用时双口径并注
- GitHub README 的 Task 3 描述截断：“clinical dat”——原文应为 clinical data（排版截断，非内容分歧）
- 主页 NIBC/NMIBC 混用：GC 主页 “Why CHIMERA?” 写 “non-invasive bladder cancer (NIBC)”，Challenge Scope 写 “Non-Invasive Bladder Cancer (NMIBC)”——标准术语为 NMIBC（non-muscle-invasive，非肌层浸润）；“non-invasive” 直译"非浸润"是不严谨缩写。同一页面两个缩写指同一人群——页面考古·术语漂移形态
§6 评估体系：C-index 的删失几何学
§6.1 Censored C-index 完整规则（GC 页面原文五条）
- 模型性能用删失一致性指数（censored concordance index）评估——所有可比患者对中预测顺序正确的比例
- 两患者可比当且仅当：①两人都发生事件但时间不同；②一人发生事件、另一人无事件但随访观察时间更长
- 两人在同一时间发生事件→不可比（排除）
- 预测风险分更高者实际生存时间更短→该对为 concordant（正确排序）
- C-index 范围：0.5=随机预测；1.0=完美一致
评估管线（含 C-index 计算代码）承诺公开——“to ensure transparency and reproducibility”。
§6.2 指标矩阵的方法学意义
- Task 1/3 用生存指标、Task 2 用分类指标——同一数据集内双指标体系，评估代码需同时支持删失配对与加权 F1
- 删失规则的第 2 条（无事件但随访更长者与事件者可比）是生存分析标准处理——但挑战赛场景下经常被参赛者误解（ModalSurv 论文详述其实现细节）
- weighted F1 处理 BRS 三分类不平衡——STM 2023 的 BRS 分布天然不均
§6.3 提交机制与平台流程
- 时间线四节点（含两处删除线修订）：Announcement+Training Release 2025-04-10 → Validation Phase
06-0106-13 → Test Deadline08-0108-22 AOE → 结果在 MICCAI 2025 CHIMERA workshop 公布 - 验证阶段与测试阶段的 GC Phase 机制（注册墙+黑盒评估）——159 submissions（Task 2+3 论文口径）/13 个顶级模型入选最终 benchmark
- minimal baseline template（github.com/nadieh/CHIMERA_minimal_baseline）——最低成本参赛路径
§7 结果与后挑战分析：屠榜悖论的三层证据
§7.1 榜面成绩
| 任务 | 最佳成绩 | 最佳模型类型 |
|---|---|---|
| Task 1 | C-index 0.7402 | 单模态临床变量模型 |
| Task 2（BRS） | weighted F1 0.73 | 多模态/病理模型 |
| Task 3（进展） | C-index 0.68 | 多模态模型 |
| 冠军 ModalSurv | T1 C 0.7402（第 1）/T2-3 C 0.5740（第 5） | 跨注意力融合多模态生存框架 |
Task 1 冠军是临床变量单模态模型——不是多模态。三任务横向结论（Warwick 新闻）：“Across the three CHIMERA tasks, models based on clinical data still performed best.”
§7.2 ModalSurv：冠军方法与它的自我怀疑
TIA-Pegasus（Warwick TIA Centre，Noorul Wahab 领队；成员 Jiaqi Lv/Ethar Alzaid/Adam Shephard/Shan E Ahmed Raza）的 ModalSurv：模态专用投影+跨注意力融合的临床/MRI/病理/RNA 生存建模框架。论文（arXiv 2509.05037，4 页）标题即自我怀疑：“Investigating opportunities and limitations of multimodal deep survival learning”——核心结论三条：①外部测试集上临床单模态击败多模态（“clinical features alone outperformed multimodal models on external tests”）；②局部验证多模态有增益但泛化受限（“Local validation showed multimodal gains but limited generalisation”）；③病因诊断：多模态对齐不足+潜在过拟合。团队命名梗：Pegasus 是希腊神话中击败 Chimera 的有翼飞马——挑战赛名与队名构成神话互文。
§7.3 官方后挑战分析：把悖论变成设计原则
Task 1 summary paper（arXiv 2608.21497）的 post-challenge analyses 是本条目最具方法学价值的部分：
- 随机化实验：把 clinician-derived 变量随机打乱→单模态临床模型崩塌至 C≈0.50（chance 水平）——榜首模型的信号完全来自结构化变量的完整性
- ** withholding 实验**：完整删除临床变量→多模态模型仅 ΔC≤0.04——多模态模型能直接从影像恢复预后信号
- 结论表述（论文摘要原文）：“Although models using only patient characteristics and clinician-derived variables yielded the highest leaderboard performance, multimodal models demonstrated greater robustness in clinically realistic scenarios where complete expert annotation is not guaranteed.”
- Task 2+3 论文的对应发现：任务依赖的模态贡献（BRS 中病理可部分补偿病理科医生衍生结构变量）；progression 模型更依赖互补输入；T1 substage 与跨架构一致难例相关——患者级预测失败的系统分析（“patient-level prediction failure”）
- 方法学启示：挑战赛榜单只回答"谁在完整数据上最高"；CHIMERA 的后挑战分析回答"谁的信号更抗缺失"——缺失感知建模（missingness-aware modeling）与多机构独立验证被论文列为领域刚需。这套"随机化/删除"双重压力测试范式可直接移植到任何多模态 benchmark 的评估协议
§7.4 参与度存照
- 159 submissions（Task 2+3）/13 个顶级模型入选——组织方逐模型 benchmark
- CHIMERA-agent 续作（2026）首期数字：302 participants/305 submissions（Debug phase 至 2026-12-18）——续作热度约为原版膀胱任务的 2 倍量级（agent 范式+LLM 时代红利）
- 原版挑战赛参与团队数 GC 主页未静态披露（动态渲染未获数——与 531 LMC2 同款页面行为，不混用 agent 版数字）
§8 baseline 技术链与复现路径
§8.1 三级特征-预测架构
WSI ──→ UNI（MahmoodLab/HF）──→ patch embeddings ─┐
├─→ ABMIL ──→ 风险/类别
MRI ──→ nnU-Net v1（PI-CAI 五折迁移）──→ 影像特征 ──┤
│
clinical/RNA ──→ 结构化编码 ────────────────────────┘
- UNI：病理基础模型（0.25mpp/224×224 patch），v2 数据直接附带提取产物（.pt+.npy）——不重复算力
- nnU-Net v1：影像特征提取器就是 PI-CAI 挑战赛的 nnU-Net baseline ensemble 原封迁移（DIAGNijmegen/picai_nnunet_semi_supervised_gc_algorithm 的 Task2203_picai_baseline 五折 plans.pkl+model_best.model）——GC 生态内挑战赛资产复用的直接样本
- ABMIL：attention-based multiple instance learning 预测头——三任务各一，不提供预训练权重，需自行训练（README 明示）
- 另有 minimal baseline template（github.com/nadieh/CHIMERA_minimal_baseline）——参赛最小路径
§8.2 复现清单
aws s3 sync --no-sign-request s3://chimera-challenge/v2/task1/（task2/task3 同式）——无需 AWS 账户- 下载 UNI 权重（HuggingFace，需同意条款）+PI-CAI nnU-Net 权重（GitHub 直链）
- 按 task1_baseline/README 训练 ABMIL→放置 common/model/ 目录
- 评估：C-index 计算代码公开承诺（Task 1/3）+weighted F1（Task 2）
- 质量控制：task{n}_quality_control.csv 逐例核对
§8.3 公共数据推荐链（官方钦定）
Task 1 页面 Public Data 节点名四个预训练/增强数据源：
- LEOPARD（GC 平台）：“strongly recommend”——H&E WSI time-to-BCR 预测挑战，与 Task 1 端点同型，可训练可预训练
- PI-CAI（GC 平台）——mpMRI 前列腺癌检测（同时也是 baseline 权重来源——双重角色）
- PANDA（GC 平台）——前列腺 Gleason 分级（WSI）
- TCGA-PRAD（TCIA）——前列腺腺癌组织病理+基因组
四个推荐全是泌尿肿瘤 GC/公开生态的核心资产——CHIMERA 在文档里把自己织进这张网（LEOPARD→PI-CAI→PANDA→TCGA-PRAD→CHIMERA 的数据谱系），这是挑战赛型条目"生态位自觉"的样本。
§9 伦理、许可与可获取性
§9.1 伦理轴：公开数据二次整合型
- 知情同意明示：Task 1 入组标准第 4 条"Patients provided consent for the use of their data for scientific research"——患者级同意是入组硬条件
- 机构轴：Task 1 两机构（Radboud UMC+Canisius Wilhelmina Hospital）；Task 2/3 队列源自已发表 STM 2023 研究（Cohort A/B，Erasmus MC 系）
- 无独立 IRB 编号披露：页面与两篇 summary paper 摘要均未见审批号——对照 528-530 的 IRB 明文型（H108+HMUH 双 IRB）与 532 的 UZH IRB，CHIMERA 属"同意明示+审批号缺席"档
- 病例时间窗：MRI>2012/手术<2020（Task 1）——十年窗的时代一致性控制
§9.2 许可：CC BY-NC-SA 4.0 的双限制
- NC（非商业）+SA（相同方式共享）——对照 LMC1 的 CC BY 4.0（仅署名）与 529 的 Restricted 签约墙，CHIMERA 位于中间档：学术使用自由，商业使用被排除，衍生数据集必须同许可共享
- 对 LLM 训练语料化的含义：NC 条款下商用模型训练需单独授权——AI-Ready 评估中"许可开放度"维度的显著扣分项（但比 529 的签约墙仍高一档）
§9.3 可获取性：挑战赛数据开放度最高档
- AWS Open Data Registry 收录——
aws s3 ls --no-sign-request s3://chimera-challenge/无需 AWS 账户；官方 CLI 命令直接印在页面 - Registry 页元数据完备：描述/更新频率（As required）/许可/文档链/管理方/联系人/引用格式/ARN/Region
- 训练集全开放+validation/test 隐藏（GC 注册墙）——与 TopBrain 的 Zenodo 直下同型，但 CHIMERA 多了 AWS Open Data 这层官方注册（发现性+引用规范性加分）
- GC 五连可获取性光谱落位：LMC2（注册墙+黑盒）→ TopBrain（Zenodo 直下）→ CHIMERA（AWS Open Data 无账户直下）——三档梯度是挑战赛型条目可获取性分级的现成标尺
FAQ：30 问直答
Q1：CHIMERA 是什么的缩写？
Combining HIstology, Medical Imaging (Radiology), and molEcular Data for Medical pRognosis and diAgnosis——组织病理+影像+分子数据融合做预后与诊断，缩写恰好拼出希腊神话喷火怪。
Q2：谁主办的？
Radboud University Medical Center 计算病理组（Computational Pathology Group）牵头，Geert Litjens 与 Nadieh Khalili 领衔，联合 Erasmus MC、Canisius Wilhelmina Hospital 等 CHIMERA Consortium 成员。
Q3：哪一届会议？
MICCAI 2025（2025 年 9 月，韩国大田），结果在 CHIMERA workshop 公布。续作 CHIMERA-agent 对接 MICCAI 2026（Abu Dhabi）。
Q4：三个任务分别做什么？
Task 1：前列腺癌生化复发时间预测（mpMRI+H&E+临床，C-index）；Task 2：高危 NMIBC 的 BCG 反应亚型三分类（H&E+临床→BRS1/2/3，weighted F1）；Task 3：NMIBC 进展生存（Task 2+RNA-seq，C-index）。
Q5：数据规模多大？
Task 1 前列腺 267 例（801 MRI 序列+942 WSI，train 95/val 23/test 149）；Task 2 v2 182 例；Task 3 v2 176 例；膀胱侧合并论文口径 368 例=182+176。
Q6：怎么下载？
aws s3 sync --no-sign-request s3://chimera-challenge/v2/task1/ <目标路径>——无需 AWS 账户（AWS Open Data Registry 收录，us-west-2）。训练集全开放，验证/测试隐藏。
Q7：什么许可？
CC BY-NC-SA 4.0——署名+非商业+相同方式共享。学术自由使用；商用被 NC 条款排除；衍生数据须同许可。
Q8：为什么临床单模态反而拿了第一？
Task 1 榜首 C-index 0.7402 来自只用了临床变量的模型——Gleason/分期/PSA 等结构化变量本身就是强预后因子，267 例的小样本下深度多模态融合难以兑现增益。
Q9：那多模态还有什么用？
官方后挑战分析：把临床变量随机化后，单模态崩塌至 C≈0.50；删除临床变量后多模态只掉 ΔC≤0.04——多模态模型能直接从影像恢复预后信号，在"专家标注不全"的现实场景里更鲁棒。
Q10：ModalSurv 是什么？
Task 1 冠军模型（Warwick TIA Centre 的 TIA-Pegasus 团队，Noorul Wahab 领队）：模态专用投影+跨注意力融合的多模态生存框架，C 0.7402（第 1）；其论文 arXiv 2509.05037 自证外部测试集上临床单模态更强。
Q11：BRS 是什么？
Biomarker-derived BCG Response Subtype——从 RNA-seq 数据导出的 BCG 治疗反应亚型（BRS1/2/3），源自 de Jong FC 等 STM 2023 论文（eabn4118）的分型体系。
Q12：Task 2 和 Task 3 数据是同一批患者吗？
基本是——两任务的问题切片编号平行（2A_024 vs 3A_024 同款损坏），Task 3 = Task 2 患者池+RNA-seq+生存端点。规模差（182 vs 176）来自 RNA 配对要求。
Q13：Cohort A/B 是什么？为什么重要？
v2 新增的 50 例来自 STM 2023 的队列（3B 前缀），测序协议与原队列（3A）不同且未做批次效应校正——跨队列建模需自行处理，也是现成的批次效应测试床。
Q14：v1 和 v2 有什么区别？
v2 修复了 v1 的 7 张 spacing 错误+1 张 corrupted 切片（2A/3A_025 失焦保留）；新增 Cohort B 50 例；附送 UNI patch embeddings 与坐标；_CD.json 字段对齐验证/测试集（2025-06-08 还修过一次缺失 progression 参数）。
Q15：baseline 用了什么模型？
UNI（病理特征）+nnU-Net v1（影像特征——直接迁移 PI-CAI 挑战赛五折 ensemble 权重）+ABMIL（预测头，需自行训练）。另有 minimal baseline template。
Q16：CT 有吗？
没有——Task 1 影像只有 mpMRI 三序列（T2W/HBV/ADC）。
Q17：为什么 Task 2/3 没有 MRI？
膀胱癌（TURBT 标本）临床路径以病理+分子为核心，影像不是常规决策输入——模态组合反映真实临床信息结构，这正是"挑战赛即消融"设计的一部分。
Q18：临床变量有哪些？
Task 1 论文口径 13 个/例（页面表 15 行）：年龄、三级 Gleason、ISUP、术前/复发 PSA、BCR 状态、pT 分期、淋巴结/包膜/精囊/淋巴血管侵犯、切缘、既往治疗。Task 2/3 共用 11 个（含 EORTC 风险、BCG 灌注次数等）。
Q19：缺失值怎么编码的？
三值编码 0/1/“x”（x=未切除/未评估）；切缘 2=病理医师无法评估；no_instillations 用 -1 标记缺失；PSA<0.10 µg/L 记"<0.10"。建模时别把 “x” 当数值。
Q20：WSI 什么规格？
Task 1：0.5 µm/pixel，3DHISTECH PANNORAMIC 1000，每例多张；Task 2/3：0.25 µm/pixel 最高分辨率，单张/例。均附二值组织 mask。
Q21：RNA-seq 怎么和 WSI 配对的？
三种情形：相邻切片/同一张 H&E 打孔取样/同一患者另一肿瘤的 H&E——页面明示，做空间映射时需留意。
Q22：C-index 怎么算的？
删失一致性指数：两患者可比=都发生事件但时间不同，或一人发生事件另一人无事件但随访更长；预测风险高者实际时间短=concordant；0.5 随机、1.0 完美。计算代码公开承诺。
Q23：数据质量如何保证？
官方直接公示 v1 问题切片清单（corrupted/spacing/失焦三类逐例列出）+task{n}_quality_control.csv 随数据发布+修过的坑（_CD.json 缺参数）在页面留 UPDATE 记录——QC 透明度罕见。
Q24：官方论文发了没有？
两篇 summary paper 都在：Task 1（arXiv 2608.21497，38 页，投稿 Medical Image Analysis）；Task 2+3（arXiv 2609.09510）。冠军论文 ModalSurv（arXiv 2509.05037）——挑战赛学术出口最高档。
Q25：CHIMERA-agent 是什么？和本条目什么关系？
2026 年续作（MICCAI 2026 Abu Dhabi）：前列腺癌患者旅程三决策点的 agentic benchmark——要求提交结构化推理轨迹、幻觉推理被惩罚、编排预训练基础模型而非从头训练。数据与任务形态完全不同，是两条 GC 条目（首期 302 participants/305 submissions）。
Q26：能用于 LLM/基础模型训练吗？
文本与结构化数据可以（注意 CC BY-NC-SA 的 NC 条款限制商用）；千兆像素 WSI 与 MRI 属重模态，更适合训练专用编码器；v2 附带的 UNI embeddings 是省算力的替代路径。
Q27：跟 PANDA/PI-CAI/LEOPARD 什么关系？
官方钦定的预训练数据链：LEOPARD（同为 H&E time-to-BCR，“strongly recommend”）→PI-CAI（MRI 检测，也是 baseline 权重来源）→PANDA（Gleason 分级）→TCGA-PRAD。CHIMERA 把自己定位为这条泌尿肿瘤生态链的多模态终点。
Q28：参与情况如何？
Task 2+3 共 159 submissions、13 个顶级模型入选官方 benchmark；agent 续作首期 302 participants——原版挑战赛团队数页面未静态披露。
Q29：最佳成绩是多少？
Task 1 C 0.7402（临床单模态）/Task 2 weighted F1 0.73/Task 3 C 0.68——三任务无一超过 0.75，泌尿肿瘤多模态预后的天花板还很远。
Q30：适合做什么、不适合做什么？
适合：多模态融合架构研究、生存分析方法学、缺失模态鲁棒性、批次效应测试、病理-影像跨尺度建模。不适合：膀胱癌影像分割（无 MRI）、细胞级分割（无像素标注）、临床部署（NC 许可+无监管评估）。
事实清单：36 条硬事实+8 条口径注
硬事实（F1-F36）
| # | 事实 | 信源 |
|---|---|---|
| F1 | 全名展开 Combining HIstology, Medical Imaging (Radiology), and molEcular Data for Medical pRognosis and diAgnosis | GC 主页 |
| F2 | MICCAI 2025 挑战赛，结果 CHIMERA workshop 发布 | 论文摘要/LinkedIn |
| F3 | 主办 Radboud UMC Computational Pathology Group | AWS Registry/GC |
| F4 | 组织牵头 Nadieh Khalili+Geert Litjens | Warwick 新闻/论文 |
| F5 | Announcement+Training Release 2025-04-10 | GC 主页 |
| F6 | Validation Phase 06-01 划改 06-13；Test Deadline 08-01 划改 08-22 AOE | GC 主页删除线 |
| F7 | Task 1：267 patients/两机构 | 论文摘要 |
| F8 | Task 1：801 MRI sequences | 论文摘要 |
| F9 | Task 1：942 WSIs | 论文摘要 |
| F10 | Task 1：13 clinical variables per case（论文口径） | 论文摘要 |
| F11 | Task 1 划分 95/23/149 | 论文摘要 |
| F12 | Task 1 划分间基线无显著差异 | 论文摘要 |
| F13 | Task 1 mpMRI=Siemens 3T，T2W+HBV+ADC 三序列 | Task 1 页面 |
| F14 | Task 1 WSI=3DHISTECH PANNORAMIC 1000，0.5 µm/pixel | Task 1 页面 |
| F15 | Task 1 入组四条：MRI>2012/手术<2020/双 PSA/知情同意 | Task 1 页面 |
| F16 | Task 1 最佳 test C-index 0.7402（单模态临床） | 论文摘要 |
| F17 | 临床变量随机化→单模态崩塌 C≈0.50 | 论文摘要 |
| F18 | 多模态 withheld→ΔC≤0.04 | 论文摘要 |
| F19 | “first public, standardized multimodal benchmark for prostate cancer prognosis” | 论文摘要原文 |
| F20 | Task 2 v1 132→v2 182 例 | Task 2 页面 |
| F21 | Task 3 v1 126→v2 176 例 | Task 3 页面 |
| F22 | Task 2+3 合并 368 patients/159 submissions/13 models | arXiv 2609.09510 |
| F23 | Task 2 最佳 weighted F1 0.73/Task 3 最佳 C 0.68 | arXiv 2609.09510 |
| F24 | BRS1/2/3 标签源自 RNA-seq（STM 2023 eabn4118） | Task 2/3 页面 |
| F25 | Cohort B 50 例测序协议不同、未做批次校正 | Task 3 页面明示 |
| F26 | v1 问题切片清单逐例公示（2A/3A_024 等 8 张） | Task 2/3 页面 |
| F27 | _CD.json progression 缺失修复 UPDATE 2025-06-08 | Task 3 页面 |
| F28 | v2 附 UNI 0.25mpp 224×224 embeddings（slide2vec） | Task 2/3 页面 |
| F29 | baseline=UNI+nnU-Net v1（PI-CAI 迁移）+ABMIL | GitHub DIAGNijmegen/CHIMERA |
| F30 | PI-CAI nnU-Net 权重五折 plans.pkl+model_best.model 迁移 | GitHub README |
| F31 | 冠军 TIA-Pegasus（Warwick）ModalSurv：T1 第 1（C 0.7402）/T2-3 第 5（0.5740） | Warwick 新闻/arXiv 2509.05037 |
| F32 | “clinical features alone outperformed multimodal models on external tests” | ModalSurv 摘要原文 |
| F33 | S3：arn:aws:s3:::chimera-challenge（us-west-2，no-sign-request） | AWS Registry |
| F34 | 许可 CC BY-NC-SA 4.0 | AWS Registry |
| F35 | Task 1 summary paper arXiv 2608.21497（38 页，投稿 MedIA，2026-08-21） | arXiv |
| F36 | CHIMERA-agent（MICCAI 2026 Abu Dhabi，10-01 半天 workshop）：302 participants/305 submissions | agent GC 主页/GC 首页 |
口径注（N1-N8）
| # | 注 | 处理 |
|---|---|---|
| N1 | 临床变量数：论文 13 vs 页面表 15 行 | 双口径并注（归类差异或含标签项） |
| N2 | NIBC（主页 Why 节）vs NMIBC（Scope 节）同页混用 | 以 NMIBC 为准，注明术语漂移 |
| N3 | 时间线两处删除线修订（06-01→06-13/08-01→08-22） | 以划改后为准 |
| N4 | GitHub README Task 3 描述 “clinical dat” 截断 | 依上下文补全 clinical data |
| N5 | 原版参与团队数页面未静态披露（302/305 是 agent 版） | 不混用；存照 |
| N6 | Task 2 182 vs Task 3 176 差 6 例 | RNA 配对要求所致（页面明示三种配对情形） |
| N7 | 队列归属：Task 2/3 机构链依 STM 2023 作者群（Erasmus MC 系）推定 | 论文正文可再核 |
| N8 | IRB 编号未见（同意明示） | 伦理轴按"同意明示+审批号缺席"档记录 |
术语表：40 条
| 术语 | 释义 |
|---|---|
| CHIMERA | 本挑战赛缩写名；亦为希腊神话狮头羊身蛇尾喷火怪 |
| CHIMERA-agent | 2026 续作：agentic 多模态推理 benchmark（MICCAI 2026） |
| BCR | Biochemical Recurrence 生化复发：术后 PSA≥0.1 µg/L 的确认性升高 |
| BRS | BCG Response Subtype：RNA-seq 导出的 BCG 反应亚型（BRS1/2/3） |
| NMIBC | Non-Muscle-Invasive Bladder Cancer 非肌层浸润性膀胱癌 |
| HR-NMIBC | 高危 NMIBC——Task 2/3 的人群限定 |
| BCG | Bacillus Calmette-Guérin 卡介苗膀胱灌注：NMIBC 标准治疗，全球稀缺 |
| C-index | 一致性指数：可比患者对中风险排序正确比例；0.5 随机 1.0 完美 |
| Censored | 删失：随访截止未发生事件的观测——生存分析核心概念 |
| weighted F1 | 类不平衡加权的 F1 分数（Task 2 指标） |
| WSI | Whole Slide Image 全切片数字扫描图像（千兆像素级） |
| mpMRI | multiparametric MRI 多参数磁共振：T2W+HBV+ADC 组合 |
| HBV | High b-Value diffusion 高 b 值扩散加权序列 |
| ADC | Apparent Diffusion Coefficient 表观扩散系数图 |
| Gleason 评分 | 前列腺癌组织学分级（Primary+Secondary 模式相加） |
| Tertiary Gleason | 第三模式：<5% 肿瘤量的第三种模式，提示侵袭性 |
| ISUP | 国际泌尿病理学会：Gleason→Grade Group 映射标准 |
| pT-staging | 病理 T 分期：肿瘤解剖侵犯范围 |
| 切缘阳性 | 手术墨染边缘见癌细胞——复发强预测因子 |
| LVI | Lymphovascular Invasion 淋巴血管侵犯 |
| EORTC | 欧洲癌症研究与治疗组织：NMIBC 风险分层表出处 |
| reTUR | 再次经尿道切除：BCG 前的二次 TURBT |
| UNI | Mahmood Lab 病理基础模型（HuggingFace）——官方病理特征提取器 |
| nnU-Net | 自适应医学图像分割框架；v1 五折 ensemble 从 PI-CAI 迁移 |
| ABMIL | Attention-Based Multiple Instance Learning：弱监督聚合预测头 |
| slide2vec | WSI→向量表征管线（v2 embeddings 提取所用） |
| DESeq2 | RNA-seq 归一化方法（负二项模型） |
| bulk RNA-seq | 组织块级转录组测序（对照单细胞） |
| Cohort A/B | Task 3 RNA 双队列：3A 原队列 vs 3B STM 2023 队列（协议不同） |
| 微切割 | 从 WSI 选定肿瘤区域取材测序——RNA 的空间来源 |
| LEOPARD | GC 平台 H&E WSI time-to-BCR 挑战（Task 1 官方推荐预训练源） |
| PI-CAI | GC 平台 mpMRI 前列腺癌检测挑战（baseline 权重来源） |
| PANDA | GC 平台前列腺 Gleason 分级挑战（推荐预训练源） |
| TCGA-PRAD | TCGA 前列腺腺癌队列（推荐预训练源） |
| PANNORAMIC 1000 | 3DHISTECH 数字病理扫描仪（Task 1 用） |
| Radboud UMC | 拉德堡德大学医学中心（奈梅亨）——主办与 Task 1 主队 |
| Erasmus MC | 伊拉斯姆斯医学中心（鹿特丹）——膀胱队列与 Task 2/3 论文主力 |
| Canisius Wilhelmina Hospital | 奈梅亨坎西斯-威廉米娜医院——Task 1 第二机构 |
| TIA Centre | Warwick 大学组织图像分析中心——Task 1 冠军队所在 |
| ModalSurv | 冠军模型：模态投影+跨注意力融合生存框架（arXiv 2509.05037） |
附录
附录 A：三任务数据字典（逐字段）
Task 1 患者文件夹（s3://chimera-challenge/v2/task1/data/{patient_id}/）：
| 字段 | 类型 | 内容 |
|---|---|---|
| {id}_HE*.tif | WSI TIFF | H&E 全切片（0.5mpp，每例多张） |
| {id}_HE*_mask.tif | 二值 TIFF | 组织前景 mask |
| {id}MR*.mha/nrrd | MRI 体数据 | T2W/HBV/ADC 三序列 |
| {id}_MR_mask | 分割 | 前列腺 zone mask |
| {id}_CD.json | JSON | 临床变量（13-15 字段） |
Task 2（v2/task2/）：{id}_HE.tif+{id}_HE_mask.tif+{id}_CD.json；features/coordinates/{id}_HE.npy+features/{id}_HE.pt（UNI 0.25mpp 224×224）
Task 3（v2/task3/）：Task 2 全部+{id}_RNA.json（DESeq2 bulk RNA-seq）；_CD.json 含 BRS+progression+time_to_prog_or_FUend
QC 交付：task{1,2,3}_quality_control.csv
附录 B：AWS 下载复现命令
# 无需 AWS 账户——no-sign-request
aws s3 ls --no-sign-request s3://chimera-challenge/
aws s3 sync --no-sign-request s3://chimera-challenge/v2/task1/ ./chimera/task1/
aws s3 sync --no-sign-request s3://chimera-challenge/v2/task2/ ./chimera/task2/
aws s3 sync --no-sign-request s3://chimera-challenge/v2/task3/ ./chimera/task3/
# baseline 权重（两处外部下载）
# 1) UNI: huggingface.co/MahmoodLab/UNI → model.bin + config.json
# 2) PI-CAI nnU-Net 五折: github.com/DIAGNijmegen/picai_nnunet_semi_supervised_gc_algorithm
# → Task2203_picai_baseline/nnUNetTrainerV2_Loss_FL_and_CE_checkpoints__nnUNetPlansv2.1
# → plans.pkl + 各 fold_*/model_best.model
# ABMIL：不提供预训练——按 task{1,2,3}_baseline/README.md 自行训练
# 评估：C-index 计算代码公开承诺（GC 评估管线）
附录 C：最小 PyTorch 生存头示例（ABMIL 风格）
import torch, torch.nn as nn
class AttnMIL(nn.Module):
# CHIMERA 官方 baseline 的 ABMIL 预测头风格实现
def __init__(self, in_dim=1024, hid=256, p=0.25):
super().__init__()
self.feat = nn.Sequential(nn.Linear(in_dim, hid), nn.ReLU(), nn.Dropout(p))
self.attn = nn.Sequential(nn.Linear(hid, 1)) # patch 级注意力
self.risk = nn.Linear(hid, 1) # Cox 风险分（无激活）
def forward(self, bags, mask):
# bags: [B, N, D] 每例 N 个 patch embedding；mask: [B, N] 有效位
h = self.feat(bags) # [B, N, H]
a = self.attn(h).squeeze(-1) # [B, N]
a = a.masked_fill(~mask, float("-inf"))
a = torch.softmax(a, dim=1) # 注意力归一化
z = (a.unsqueeze(-1) * h).sum(1) # [B, H] 聚合
return self.risk(z).squeeze(-1) # [B] 风险分
# 训练目标：Cox partial likelihood（配对 concordance 的可微代理）
def cox_loss(risk, event, time):
# risk: [B] event: [B] 0/1 time: [B]
order = torch.argsort(time, descending=True) # 风险集排序
risk = risk[order]; event = event[order]
log_cum = torch.logcumsumexp(risk, dim=0) # 风险集 log 累积
return -( (risk - log_cum) * event ).sum() / event.sum().clamp(min=1)
# 评估：删失 C-index 按 GC 规则——可比对=(双事件不同时)|(单事件+更长随访)
附录 D：挑战赛家族与泌尿生态对照表
| 挑战赛 | 平台 | 任务 | 模态 | 规模 | 指标 | 与 CHIMERA 关系 |
|---|---|---|---|---|---|---|
| PANDA | GC | Gleason 分级 | WSI | ~1 万例 | QWK | 预训练推荐源 |
| PI-CAI | GC | csPCa 检测 | mpMRI+PSA | 10K+ | AUROC | 预训练源+baseline 权重出处 |
| LEOPARD | GC | time-to-BCR | WSI | 数千例 | C-index | 端点同型的单模态前作 |
| CHIMERA | GC | 三任务预后 | WSI+MRI+RNA+临床 | 635 例 | C-index/F1 | 本条 |
| CHIMERA-agent | GC | 三决策点 agentic | 报告+变量 JSON | 302 队 | 推理+预测 | 2026 续作 |
| TopCoW/TopBrain | GC | 血管分割 | CTA/MRA | 90 volumes | Dice | GC 五连同批 |
635=267+182+176（三任务患者数合计；膀胱侧 368=182+176 与合并论文一致）
附录 E：GC 核查模板 v1.5 执行记录（4 轮）
| 轮 | 动作 | 收获 |
|---|---|---|
| R1 | WebSearch 定位+GC 主页+AWS Registry 双抓 | 消歧确立（CHIMERA vs CHIMERA-agent）；缩写全展；S3/许可/联系人 |
| R2 | GC 主页重抓（Timeline 修订存照）+WebSearch 学术面 | TIA-Pegasus 夺冠/ModalSurv/03,300 人 MICCAI；NIBC/NMIBC 漂移发现 |
| R3 | GitHub DIAGNijmegen/CHIMERA+WebSearch summary paper | baseline 三件套；arXiv 2608.21497 全量数字（267/801/942/95-23-149/0.7402/0.50/ΔC≤0.04）；Task 1 页面全变量 |
| R4 | Task 2/Task 3 页面+agent 主页+Task 1 补抓 | v1→v2 演化/问题切片清单/Cohort A/B；368=182+176；F1 0.73/C 0.68；agent 三任务细节 |
前作锚强度分级适用：双 summary paper 已出（arXiv 2608.21497+2609.09510）+冠军论文+AWS Registry 自描述完备——v1.5 模板"最高档"，4 轮收敛（对照 LMC2 六轮）。多义名消歧条款首用成立（同名 agent 续作并存 GC）。
附录 F：命名消歧表（条款首用记录）
| 名称 | 身份 | 判别特征 |
|---|---|---|
| CHIMERA Challenge | 本条：MICCAI 2025 三任务预后 | chimera.grand-challenge.org；S3 chimera-challenge；267+368 例 |
| CHIMERA-agent | 2026 续作 agentic benchmark | chimera-agent.grand-challenge.org；302 participants；推理轨迹 |
| Chimera（神话） | 缩写来源：狮/羊/蛇喷火怪 | TIA-Pegasus 队名梗（Pegasus 击败 Chimera） |
| CHIMERA（神经科学） | 小鼠海马光遗传模型（他域） | 与本库无关 |
| CHIMERA（嵌合体） | 遗传学/生物信息术语（他域） | 与本库无关 |
附录 G：伦理轴四型对照（本条落位）
| 型 | 条目 | 特征 | CHIMERA 位置 |
|---|---|---|---|
| 前瞻采集+双 IRB | 528/529/530（VinDr 家族 H108+HMUH） | IRB 编号明文 | — |
| 国家基础设施/细胞系 | 531 LMC2（FBI/ANR） | 细胞系合规轴 | — |
| 公开数据二次精标+IRB | 532 TopBrain（UZH IRB） | 审批号可见 | — |
| 公开数据二次整合+同意明示 | 533 CHIMERA | 知情同意入组硬条件；IRB 编号未披露 | ✅ 第四型扩展 |
附录 H：可获取性三档光谱（GC 五连实测）
| 档 | 条目 | 训练集 | 测试集 | 特殊设施 |
|---|---|---|---|---|
| 注册墙型 | 531 LMC2 | 注册+协议 | 黑盒 | GC Algorithm+提交配额 |
| 直下型 | 532 TopBrain | Zenodo 直下 | 隐藏 | podium Docker |
| 无账户直下型 | 533 CHIMERA | AWS no-sign-request | 隐藏 | AWS Open Data Registry 官方收录 |
三档梯度=挑战赛型条目可获取性分级的现成标尺；CHIMERA 的 Registry 收录（ARN/Region/引用格式）是"发现性+引用规范性"的加分结构。
附录 I：DAIMS 评分卡（预估 7.6）
| 维度 | 分 | 依据 |
|---|---|---|
| 文档完备 | 9 | 四任务页+数据版本史+QC CSV+双 summary paper+AWS Registry 元数据 |
| 标注质量 | 8 | BRS 标签 RNA-seq 定义可溯源（STM 2023）；临床端点双盲隐藏 test；IAA 未披露 |
| 可复现 | 9 | S3 开放+baseline 权重全链+评估代码公开承诺+UNI embeddings 附带 |
| 可获取性 | 9 | 无账户直下最高档（NC 许可小扣） |
| 伦理合规 | 7 | 知情同意明示但 IRB 编号缺席；Cohort 双协议未校正的诚实披露是加分 |
| 加权 | ≈7.6 | 挑战赛型高位（对照 LMC2 6.9/TopBrain ~7.8） |
附录 J：时间线全景
| 日期 | 事件 |
|---|---|
| 2023-05-24 | STM 2023 论文发表（eabn4118，BRS 分型+Cohort B 源） |
| 2025-04-10 | CHIMERA 公告+注册开放+训练数据 v1 发布（同日） |
| 2025-06-08 | v2 _CD.json progression 缺失修复 UPDATE |
| 2025-06-01→13 | Validation Phase 开始（划改） |
| 2025-08-01→22 | Test 提交截止（划改，AOE） |
| 2025-09 | MICCAI 2025 大田：CHIMERA workshop 结果发布；TIA-Pegasus Task 1 夺冠 |
| 2025-09-08 | ModalSurv 冠军论文 arXiv 2509.05037 |
| 2026-01-27 | GitHub 仓库最后提交 |
| 2026-08-21 | Task 1 summary paper arXiv 2608.21497（投 MedIA） |
| 2026-09-10 | Task 2+3 summary paper arXiv 2609.09510 |
| 2026-10-01 | CHIMERA-agent workshop（MICCAI 2026 Abu Dhabi 半天） |
| 2026-12-18 | agent Debug phase 截止 |
附录 K：坑点表（数据使用陷阱清单）
| 坑点 1 | 临床单模态屠榜的诱惑——C 0.7402 模型完全依赖结构化变量，随机化后 C≈0.50；复现榜单成绩前先确认变量完整性假设 |
| 坑点 2 | “x” 三值编码当数值用——淋巴结/包膜/精囊侵犯的 “x” 是"未切除/未评估"，不是 0；margin 的 2 同理 |
| 坑点 3 | Cohort A/B 批次效应——3B 的 50 例测序协议不同且未校正；跨队列指标会被批次噪音污染 |
| 坑点 4 | v1 数据仍可从 S3 下载——旧版本含 8 张损坏切片；务必用 v2/ 路径 |
| 坑点 5 | PSA<0.10 记字符串 “<0.10”——直接 parse float 会崩；需预处理 |
| 坑点 6 | Task 2/3 患者池重叠但非全同（182 vs 176）——跨任务拼接训练前需按 patient_id 对齐 |
| 坑点 7 | WSI 分辨率两档（0.5mpp Task 1/0.25mpp Task 2-3）——统一下游管线时注意物镜等效差异 |
| 坑点 8 | UNI 权重需 HuggingFace 同意条款——直接 curl 拉不下来；agent 评测的 JSON 输出与原版不互通（两条目两协议） |
| 坑点 9 | RNA 与 WSI 三种配对情形（相邻/打孔/另一肿瘤）——空间映射不能假设同切片 |
| 坑点 10 | CC BY-NC-SA 的 SA 条款——衍生数据集发布必须同许可；商用训练需授权 |
附录 L：人名与机构全表
| 人名 | 角色 | 机构 |
|---|---|---|
| Nadieh Khalili | 挑战赛牵头/双论文作者/contact | Radboud UMC |
| Geert Litjens | 计算病理组 PI/组织者 | Radboud UMC |
| Robert N. Spaans | Task 1 论文通讯 | Radboud 病理科+Canisius Wilhelmina |
| Catherine Chia | Task 2+3 论文一作 | Erasmus MC 病理 |
| Tongjie Wang | Task 1/2+3 论文作者 | Erasmus MC |
| Tahlita Zuiverloon | Task 2+3 通讯链（膀胱 PI） | Erasmus MC 泌尿科 |
| Marlies Wakkee/Sita Vermeulen | Task 2+3 作者 | Erasmus MC |
| Khrystyna Faryna | GC 平台侧/双论文作者 | Bydgoszcz（波兰） |
| Parandzem Khachatryan | 论文作者 | Yerevan State Medical University（亚美尼亚） |
| Domingos Oliveira | 论文作者 | IMP Diagnostics（葡萄牙） |
| Jean-Paul A. van Basten | 论文作者（泌尿外科） | Canisius Wilhelmina |
| Noorul Wahab | Task 1 冠军队领队 | Warwick TIA Centre |
| Jiaqi Lv/Ethar Alzaid/Adam Shephard/Shan E Ahmed Raza | 冠军队成员 | Warwick TIA Centre |
附录 M：口径速查卡（引用即查）
| 口径 | 数字 | 备注 |
|---|---|---|
| Task 1 患者 | 267 | 两机构 |
| Task 1 MRI 序列 | 801 | ≈3/例 |
| Task 1 WSI | 942 | 多张/例 |
| Task 1 划分 | 95/23/149 | 和=267 ✓ |
| Task 1 临床变量 | 13（论文）/15（页面表） | 双口径 |
| Task 2 v2 | 182 | v1 132 |
| Task 3 v2 | 176 | v1 126 |
| 膀胱合并 | 368 | =182+176 ✓ |
| submissions | 159 | Task 2+3 |
| 顶级模型 | 13 | 官方 benchmark |
| T1 最佳 | C 0.7402 | 临床单模态 |
| T2 最佳 | wF1 0.73 | — |
| T3 最佳 | C 0.68 | — |
| 随机化崩塌 | C≈0.50 | 单模态临床 |
| withheld 鲁棒 | ΔC≤0.04 | 多模态 |
| ModalSurv | T1 C 0.7402 /T2-3 C 0.5740 | 第 1/第 5 |
| agent 参与度 | 302 participants/305 submissions | 续作首期 |
| S3 | s3://chimera-challenge | us-west-2 |
附录 N：跨条目联动矩阵
| 联动条目 | 联动点 | 类型 |
|---|---|---|
| PI-CAI（如已收录） | baseline nnU-Net 五折权重直接迁移 | 资产复用链 |
| LEOPARD（如已收录） | Task 1 官方 “strongly recommend” 预训练源 | 官方推荐链 |
| PANDA（如已收录） | WSI 分级预训练推荐 | 官方推荐链 |
| 531 LMC2 | GC 可获取性两极（注册墙 vs 无账户直下） | 对照 |
| 532 TopBrain | GC 五连同批；Zenodo vs AWS Open Data 两种直下形态 | 同批 |
| TopCoW（如已收录） | NEJM AI 出口 vs arXiv/MedIA 出口 | 学术出口对照 |
| 530 VinDr-SpineXR | 页面 QC 形态对照（被动考古 vs 主动缺陷清单） | 方法论对照 |
附录 O：开放问题与后续观察点
- MedIA 落地：Task 1 summary paper 投稿 Medical Image Analysis（2026-08-21 v1）——落地后引用格式将变（对照 529 Sci Data 悬空 4 年的反面教材，Radboud 系发表纪录良好）
- agent 版数据发布：CHIMERA-agent 的推理标注（泌尿科医生结构化评估界面收集）是否会公开训练集——agentic 数据形态对 AI-Ready 评估是新题型
- 批次校正补丁：官方是否为 Cohort A/B 发布 combat/归一化补丁——现"未校正"状态是坑点 3 的时效性依据
- 原版团队数：GC 动态渲染数据（脚本抓取可得）——存照不混用 agent 数字
- 膀胱 MRI 扩展：Task 2/3 无影像模态——若 CHIMERA 后续并入膀胱 MRI（如 VIADULT 队列），三任务矩阵将闭合全模态
- 许可演化：NC→CC BY 的可能性（对照 TopCoW 家族的 open data.swiss 商用需许可）——关注 AWS Registry Update Frequency: As required
附录 P：预后建模方法学底座（为什么 C-index 是这里的王者）
P.1 PSA 的争议史与替代终点选择
GC 主页直言 PSA 是"controversial biomarker with limited reliability"——这段争议的学术脉络：PSA 筛查降低转移率但带来大量过度诊断（过度治疗）；术后 PSA 复发（BCR）作为终点客观、可量化、早于转移多年，但它本身不是死亡——BCR 患者中仅一部分会进展为转移/死亡（竞争风险）。CHIMERA 选择 time-to-BCR 而非 time-to-death，是泌尿肿瘤预后建模的标准但可争议的选择——条目使用者应意识到：C-index 0.74 的模型预测的是"复发时序"不是"死亡风险"。
P.2 Gleason 体系为何占临床变量的三分之一
Task 1 的 15 行变量表中 Gleason 占三行（Primary/Secondary/Tertiary）+ISUP 一行——因为 Gleason 是前列腺癌预后第一强因子：Primary（最主要模式 1-5）+Secondary（次主要）相加为评分（6-10）；Tertiary 是<5% 肿瘤量的第三模式——2025 年 ISUP 共识建议记录但不并入总分。CHIMERA 直接把病理医师的读片结论作为结构化变量喂给模型——这意味着"临床+病理变量"模型实际上已经包含了专家级图像解读的压缩输出；多模态 WSI 分支要证明的是端到端原始像素能否重新发现这些压缩信号——这是理解屠榜悖论的钥匙（P.4）。
P.3 删失数据的现实几何
Task 1 的 time-to-BCR 里，非 BCR 患者的随访时长是删失观测——95 训练例的删失率直接影响 C-index 的有效样本量。删失三规则（§6.1）的可视化直觉：两位患者可比=他们的"事件时序有事实上的先后证据"；同时事件不可比=无先后证据；删失更长=这位患者"撑过了对方的事件时点"——证据成立。C-index 0.5 是随机的含义：风险排序对可比对无信息。
P.4 结构化变量 vs 原始像素的信号论
后挑战分析揭示的信号层级：
- clinician-derived 变量=专家知识的压缩编码（Gleason/分期/切缘）——信息密度极高
- WSI/MRI 原始像素=未压缩信号——理论上⊇结构化变量，实际上需从有限样本（95/23/149）重新学习压缩器
- 小样本+高维像素→端到端学习的数据饥饿；结构化变量→信息即用
- 随机化实验证明榜首模型吃的是第 1 层；withholding 实验证明第 2 层存在可恢复的冗余信号（ΔC≤0.04）
这套层级分析适用于任何"临床变量+影像"的预后建模数据集——CHIMERA 的普适贡献。
附录 Q：多模态融合架构分类学（CHIMERA 语境）
Q.1 融合阶段三型
| 型 | 时机 | 代表 | 在 CHIMERA 上的表现 |
|---|---|---|---|
| Early fusion | 像素/特征级拼接 | 简单 concat | 小样本易过拟合 |
| Late fusion | 各模态独立预测后集成 | 投票/stacking | 单模态强时退化为临床模型 |
| Hybrid/attention | 中间表征跨模态注意 | ModalSurv（跨注意力投影） | 局部验证有增益、外部泛化受限 |
Q.2 缺失模态处理的策略谱
CHIMERA 的现实约束（Task 2 无 MRI/Task 3 无 MRI/RNA 可缺失/Clinical 的 “x” 三值）催生四类策略：①模态丢弃训练（modality dropout）——训练时随机屏蔽；②代理填充（surrogate imputation）——用其他模态预测缺失模态表征；③模态专用编码器+共享融合核（官方 ABMIL 思路）；④决策级编排（agent 思路——CHIMERA-agent 的"编排预训练工具"）。后挑战分析的 missingness-aware 建模呼吁=策略①③的规范化。
Q.3 千兆像素 WSI 的聚合问题
一张 0.25mpp WSI 可切出数万 patch——ABMIL（注意力 MIL）是当前标准聚合器：patch 级 embedding→注意力加权求和→slide 级表征。官方 baseline 选 ABMIL 而非 Transformer 聚合（TransMIL/DSMIL 等）是算力保守选择；v2 附带 UNI embeddings 把 patch 编码成本转嫁给组织方——参赛者只需训 ABMIL 头。这也是挑战赛降低参与门槛的实用主义设计。
Q.4 MRI 分支为什么用 nnU-Net 而不是直接端到端
官方把 PI-CAI 的 nnU-Net 五折 ensemble 作为 MRI 特征提取器——即先用分割/检测模型把前列腺区域编码，再喂 ABMIL。理由：①267 例不足以端到端训练 MRI 骨干；②PI-CAI 的检测任务与 BCR 预测共享"临床显著前列腺癌"的信号子空间；③挑战赛资产复用是 GC 生态的制度优势。"迁移权重当特征提取器"是多模态小样本挑战赛的通用模式。
附录 R：膀胱癌临床背景扩展（Task 2/3 语境）
R.1 NMIBC 与 HR-NMIBC 的分层
膀胱癌按肌层侵犯分两界：NMIBC（Ta/T1/Tis——未达肌层）vs MIBC（≥T2）。NMIBC 占初诊 75%，经尿道切除（TURBT）+膀胱内灌注为标准路径；其中高危（HR）亚群（T1 高级别/高级别复发/大面积 Ta 等）进展风险最高——EORTC 风险表（Task 2/3 变量里的 High/Highest risk）是欧洲标准分层工具。Task 2/3 的 stage 变量（TaHG/T1HG/T2HG）+T1m/T1e substage（浸润深度 0.5mm 分界）正是这个分层体系的字段化——T1e（>0.5mm）是进展强预测因子，也是后挑战分析发现的"跨架构一致难例"标记（§7.3）。
R.2 BCG 短缺与反应亚型的医学经济学
BCG（卡介苗）膀胱灌注是 HR-NMIBC 的标准免疫治疗——但 2019 年起全球持续短缺（生产集中于少数厂商），“globally scarce resource”（GC 主页原文）是字面事实。50% 无反应率+全球稀缺="谁能从 BCG 获益"的预测问题直接对应药物配置经济学——BRS 预测的临床价值不在学术而在分诊：无反应者应早做根治决策（膀胱切除/免疫检查点），有反应者避免过度治疗。RNA-seq 定义的 BRS（STM 2023）是分子金标，但临床常规不做测序——Task 2 问的正是"H&E+常规变量能否替代测序"。
R.3 BRS 三亚型的生物学含义
BRS1/2/3（Biomarker-derived BCG Response Subtype）的推导：STM 2023 用两队列转录组做共识聚类得到的分子亚型，与 BCG 治疗后复发/进展风险差异相关。CHIMERA 把它作为分类端点——标签的生物学有效性继承自 STM 2023 的验证，本数据集不再独立验证（引用时注明标签来源）。
R.4 reTUR 与灌注计数的现实细节
变量表里的 reTUR（BCG 前二次 TURBT）与 no_instillations（灌注总次数，-1=缺失）是治疗强度变量——BCG 反应受完整疗程影响（灌注不足≠真无反应）。建模者需区分"生物学无反应"与"治疗不充分"——这也是 Task 2+3 论文 missingness 分析的现实基础。
附录 S：端到端复现工作流（从 S3 到 C-index）
S.1 环境与数据（≈120 GB 全量/Task 1 约 60 GB）
pip install awscli h5py openslide-python monai torch
aws s3 sync --no-sign-request s3://chimera-challenge/v2/task1/ ./data/task1/
# QC：task1_quality_control.csv 逐例核对损坏切片
S.2 WSI→UNI embeddings（若用 Task 2/3 附带产物可跳过）
import openslide, torch
from timm import create_model # UNI 经 HF/timm 加载
uni = create_model('vit_large_patch16_224', num_classes=0, pretrained=True).eval()
def slide_to_embeddings(slide_path, mpp=0.25, size=224):
# 千兆像素 WSI → patch 网格 → UNI 向量序列
sl = openslide.OpenSlide(slide_path)
W, H = sl.dimensions
coords = [(x, y) for x in range(0, W, size) for y in range(0, H, size)]
feats = []
for x, y in coords:
img = sl.read_region((x, y), 0, (size, size)).convert('RGB')
# 组织 mask 过滤白背景后批量化（省略）
feats.append(uni(preprocess(img)).squeeze(0))
return torch.stack(feats) # [N_patches, 1024]
S.3 生存头训练与删失评估
# 模型与损失见附录 C；训练循环要点：
# 1) event=0 的样本参与 loss 仅作为风险集成员（Cox 结构保证）
# 2) 验证集 C-index 按 GC 规则自实现或用 sksurv.metrics.concordance_index_censored
# 3) 早停以验证 C-index 为准（对齐挑战赛 Phase 机制）
S.4 后挑战分析复现（随机化/withholding 双实验）
# 随机化实验： Clinical 变量列内 shuffle（保持边缘分布破坏对应关系）→ 测 C-index 崩塌幅度
# withholding：直接置空临床分支（ABMIL 仅吃影像+RNA）→ 测 ΔC
# 官方结论锚点：随机化→C≈0.50；withheld→ΔC≤0.04
S.5 常见复现失败清单
- 忘记 v2 路径下载到 v1（损坏切片复现"神秘"低分）
- “<0.10” 字符串未预处理
- “x”/2 缺失编码当数值
- Task 2/3 患者池按行号对齐（应按 patient_id）
- Cohort A/B 混训未标注批次（指标虚高或虚低无法归因）
- UNI 权重未走 HF 同意流程（下载失败）
附录 T：挑战赛设计方法论（CHIMERA 可复用的组织学经验）
T.1 任务矩阵即消融（§3.4 的设计论价值）
三任务正交设计让每个模态的边际贡献可测——单任务挑战赛只能给出综合排名，多任务矩阵给的是信息结构图谱。组织侧成本：三套评估管线+三份 summary paper；收益：Task 1 的"单模态屠榜"结论有 Task 2/3 的横向对照佐证（三任务一致），结论可信度倍增。
T.2 数据版本治理的透明度样本
v1→v2 的治理动作清单：修复清单逐例公示/不可修复项明示保留/新增队列明示协议差异/字段对齐修复留 UPDATE 时间戳——缺陷公示不是弱点而是复现科学的基础设施。对照：多数数据集论文把 QC 结果埋在补充材料；CHIMERA 把它放在任务页正文。AI-Ready 评估视角：这是"文档完备"维度 9 分的核心理由。
T.3 评估管线的公开承诺
"C-index 计算代码将公开"承诺+隐藏 test 的黑盒评估——挑战赛可复现性的两难（公开评估代码 vs 防过拟合的隐藏性）的标准解：代码公开+数据不公开。参赛者可本地复算验证集指标，测试集由平台统一评估——159 submissions 的公平性建立在这个机制上。
T.4 与 GC 泌尿矩阵的接力设计
Public Data 节点名四个前作（LEOPARD/PI-CAI/PANDA/TCGA-PRAD）+baseline 权重直接来自 PI-CAI——CHIMERA 把生态接力写进了参赛指南。挑战赛的组织学启示：挑战赛不是孤立事件而是数据谱系的节点——预训练源清单+权重迁移让后来者站在前作肩上，这比单场奖金更持久。
T.5 时间线弹性与沟通
两处截止日期划改（06-01→06-13/08-01→08-22）以删除线保留修订史——改期不抹历史的页面治理风格；配合 UPDATE 时间戳（_CD.json 修复），组织方的沟通纪律与数据可信度互相加强。
附录 U：CHIMERA-agent 深度对照（续作的全息画像）
U.1 三决策点的临床流
| 任务 | 时点 | 输入 | 输出 |
|---|---|---|---|
| Agent-T1 | 活检前 | mpMRI 报告+基础临床变量 | 是否建议活检 |
| Agent-T2 | 活检后 | MRI+活检病理报告+临床 | 主动监测/继续监测/观察等待/积极治疗（EAU/NCCN 四选一） |
| Agent-T3 | 根治术后 | 切除+活检病理报告+术前 MRI+PSA | time-dependent BCR 风险 |
U.2 与原版的五维差异
| 维度 | CHIMERA（2025） | CHIMERA-agent（2026） |
|---|---|---|
| 数据形态 | 原始模态（WSI/MRI/RNA 文件） | 结构化 JSON（报告+变量+纵向 PSA） |
| 输出 | 风险值/类别 | 预测 JSON+推理轨迹 JSON（~5KB/例） |
| 评估 | C-index/wF1 | 预测+推理一致性（幻觉/无支撑/矛盾惩罚）+顶级提交泌尿科人工审查 |
| 参与范式 | 训练模型 | 编排预训练基础模型工具（前列腺分区分割/Gleason 分级/csPCa 检测三件套） |
| 现实性注入 | 完整配对数据 | 缺失/延迟/冲突证据显式注入（“not edge cases but routine clinical practice”） |
U.3 参考推理标注的新数据形态
Ground truth 推理由泌尿科医生经"结构化临床评估界面"审阅 EHR 式病历产出——医生决策轨迹本身成为标注——这是 AI-Ready 评估的新题型：推理标注的质量与一致性评估（医生间 IAA）将在 agent 数据条目中成为新维度。
U.4 参与热度信号
Debug phase 至 2026-12-18（302 participants/305 submissions）——agent 范式首期热度约为原版 Task 2+3 提交量（159）的 2 倍：LLM 时代 agentic 评估对社区的吸引力可见一斑；但也需注意 Debug 阶段参与门槛低（提交即计），最终有效团队数待 2027 年结果公布。
U.5 演化判断
原版回答"多模态数据能融合出什么"；agent 版回答"不完美信息下如何决策"——从数据完整性假设到现实碎片性的范式迁移。若 agent 版的推理轨迹数据将来开放，"患者旅程级"AI-Ready 数据将首次入库——观察点记入附录 O。
附录 V：临床变量—预后语义映射详表（Task 1 建模指南）
| 变量 | 预后强度 | 建模处理建议 |
|---|---|---|
| Primary/Secondary Gleason | 极强（一级证据） | 保序编码（ordinal embedding）勿 one-hot；与 ISUP 冗余——避免双重计数 |
| Tertiary Gleason | 强（缺失即信息） | NaN≠0：缺失指示变量单列 |
| ISUP grading | 极强（Gleason 的确定映射） | 与 Gleason 三列高度共线——特征选择或仅留一组 |
| 术前 PSA | 强（连续+右偏） | log 变换；“<0.10” 按检出限处理（substitution 或 Tobit 思路） |
| pT-staging | 强 | 字符串多值——映射 AJCC/EAU 有序量表 |
| 切缘（+） | 强 | 三值 0/1/2——2 作为缺失指示 |
| 淋巴结/包膜/精囊 “x” | 中强 | “x”=未切除——缺失机制与分期相关（MNAR 警示） |
| LVI | 中 | 二值干净 |
| 年龄 | 弱-中 | 标准化；与合并症不可得性权衡 |
| Earlier therapy | 特殊 | 既往治疗改变基线——交互项候选 |
| PSA at recurrence | 端点耦合 | 勿作特征——与 BCR 定义循环（数据泄漏陷阱） |
| BCR status | 标签 | 生存分析的 event 指示 |
| time-to-BCR/FU | 标签 | duration 列 |
三处数据泄漏高危点：PSA at recurrence 入特征/用 test 分布做归一化/按 BCR 状态分层后混合划分——附录 S 的复现流程已按泄漏安全排序。
附录 W：CHIMERA Consortium 的治理网络
W.1 三层结构
| 层 | 成员 | 职能 |
|---|---|---|
| 核心组织 | Radboud UMC 计算病理组（Litjens/Khalili/Spaans/Faryna） | 平台运营/任务设计/评估 |
| 数据联盟 | Erasmus MC（病理+泌尿+皮肤科）/Canisius Wilhelmina/IMP Diagnostics（葡） | 队列供给/临床语义 |
| 地理扩展 | Bydgoszcz（波兰）/Yerevan（亚美尼亚） | 评估/联盟署名 |
W.2 集体署名制
两篇 summary paper 均出现 “CHIMERA Challenge Consortium”/“on behalf of the CHIMERA Consortium” 集体作者——**联盟署名（group authorship）**是大型挑战赛学术出口的规范形态（对照 531 LMC2 的 28 位共同作者模式）；个体作者+联盟双列保证贡献可溯与规模可见。
W.3 学科交叉轴
病理（Radboud/Erasmus 病理科）+泌尿外科（Canisius/Erasmus）+皮肤科（Erasmus——Chia/Wang 的第三挂靠，荷兰病理多挂靠传统）+诊断产业（IMP Diagnostics）+学术界地理扩展（波兰/亚美尼亚）——五轴交叉是多模态挑战赛的必要社会结构：没有临床科室的变量语义背书，结构化变量就只是数字。
W.4 平台经济
GC 平台（DIAG Nijmegen）本身由 Radboud 运营——主办机构=平台运营方=数据主供方三位一体（对照 LMC2 的 FBI 主办+GC 托管分层）。这种垂直整合降低协调成本，但也意味着独立复核依赖 summary paper 的透明度承诺——DAIMS 伦理维度 7 分的治理面注脚。
附录 X：库内对照深度表（五维度）
| 维度 | 533 CHIMERA | 531 LMC2 | 532 TopBrain | 530 VinDr-SpineXR |
|---|---|---|---|---|
| 任务族 | 生存+分类（第六族首发） | image-to-image 生成 | 多类分割 | 分类+检测 |
| 模态数 | 4（WSI/MRI/RNA/临床） | 2（透射光→荧光） | 2（CTA/MRA） | 1（X-ray） |
| 数据载体 | AWS Open Data（无账户） | GC 注册墙 | Zenodo 直下 | GC 算法页面 |
| 学术出口 | 双 summary paper 已出（投 MedIA+arXiv） | 数据库论文已发表/挑战在投 | NEJM AI 已发表 | MICCAI 正式接收 |
| QC 透明度 | 缺陷清单逐例公示（主动） | 登录墙缺口存照 | 版本三迭代留痕 | 页面拼写事故（被动） |
| 伦理型 | 同意明示+审批号缺席 | 细胞系轴 | UZH IRB 明文 | 双 IRB 明文 |
| 规模口径 | 368=182+176 ✓/95+23+149=267 ✓ | 56,984/56,981 漂移 | 48=40∪42∩34 ✓ | 10,466 vs 10,468 差 2 |
| 参与度 | 159 submissions（原版）/agent 302 队 | 未披露 | 11/15 团队口径差 | — |
对照结论：CHIMERA 在模态广度+QC 透明度+代数自洽三项居 GC 五连之首；参与度数字的原版/续作分离是本条目特有的口径纪律点。
附录 Y：四类读者的行动指南
Y.1 多模态融合研究者
路径：附录 S 复现基线→Task 1 为试验床做融合架构对照（附录 Q 三型）→复现随机化/withholding 双实验（S.4）→把"缺失感知指标"写进自己的评估协议。目标论文位：融合架构在 ΔC 意义下的改进（而非榜面 C-index）。
Y.2 计算病理工程师
路径：v2 附带 UNI embeddings 起步（免千兆像素算力）→ABMIL 头训练（附录 C）→0.25mpp 全分辨率管线（附录 S.2）→跨 Task 2/3 的批次效应实验（Cohort A/B 现成测试床）。注意附录 V 的泄漏清单。
Y.3 泌尿肿瘤临床研究者
路径：附录 P/R 的临床语义底座→变量表（§4.3）与 EAU 指南映射→Task 2 的 BRS 预测问题即"测序替代"经济学（R.2）→agent 版三决策点（附录 U）作为临床决策支持的原型场景。
Y.4 数据集管理者/AI-Ready 评估者
路径：AWS Registry 元数据页（发现性范本）→QC CSV+缺陷清单（治理范本）→许可三档对照（§9.2-9.3）→本条 DAIMS 评分卡（附录 I）作为挑战赛型条目评分的参照系。CHIMERA 是"数据开放度"与"结论可用性"分离评估的最佳教学案例。
附录 Z：Task 2/3 膀胱变量建模语义（对照附录 V）
| 变量 | 取值 | 建模语义 |
|---|---|---|
| age/sex/smoking | 整数/二值/二值 | 标准人口学三件套；smoking 是膀胱癌一级危险因素——勿当噪音变量剔除 |
| tumor | Primary/Recurrent | 复发肿瘤的分子行为不同——分层候选变量 |
| stage | TaHG/T1HG/T2HG | 三级有序（浸润深度递增）；T2HG 出现在 NMIBC 队列属边缘入组——核对 QC CSV |
| T1m/T1e substage | 0.5mm 分界 | 进展最强病理预测子之一；也是后挑战"一致难例"标记（§7.3）——模型分层报告的天然切面 |
| grade | G2/G3 | 两级有序（中/低分化）——HR 队列内 G3 占多数的类不平衡预期 |
| reTUR | Yes/No | 治疗强度代理——与 BCG 反应混杂（R.4） |
| LVI | Yes/No | NMIBC 中 LVI 阳性即升级 HR 处理——强信号 |
| variant | UCC/UCC+Variant | 组织学变异体（微乳头/肉瘤样等）行为更凶——二值粗编码丢失亚型信息（页面粒度上限） |
| EORTC | High/Highest risk | 队列入组过滤器本身——方差被截断（全员高危），区分度有限 |
| no_instillations | 整数/-1 | 完整疗程计数；-1 缺失指示单列 |
| BRS（Task 3 特征/Task 2 标签） | BRS1/2/3 | Task 3 中作特征（分子先验）Task 2 中作标签——同字段双角色的跨任务数据泄漏警示：两任务模型不可共享该字段管道 |
附录 AA：RNA-seq 数据处理指南（_RNA.json 的正确打开方式）
AA.1 数据形态
- DESeq2 归一化输出（尺寸因子校正后的标准化计数）——已归一化，无需再做 DESeq2 流程
- 来源区域：WSI 选定肿瘤区微切割——空间稀疏（非全切片bulk）
- Cohort A（3A）与 B（3B）协议不同——批次变量必须保留
AA.2 推荐处理链
import json, numpy as np, pandas as pd
rna = json.load(open(f"{pid}_RNA.json"))
# 1) 对数稳定：log1p(normalized_counts)
# 2) 高变基因筛选（HVVG top-k，k∈[1000,5000]）或直接用 STM 2023 的 BRS 特征基因集
# 3) 批次变量 one-hot 进协变量或做 Combat（官方未做——使用者自行抉择并披露）
# 4) 降维：PCA/autoencoder 压至 64-256 维再进融合头（原始维度数万）
AA.3 三类常见错误
- 把 DESeq2 输出再跑一次 DESeq2（重复归一化——分布扭曲）
- 3A/3B 混训无批次标注（后挑战发现的"队列依赖退化"即此坑的模型级显形）
- 假设 RNA 覆盖全切片（实际仅选定肿瘤区——与 WSI 注意力图对齐时空间语义错位）
AA.4 RNA 与 WSI 的对齐研究位
三种配对情形（相邻/打孔/另一肿瘤）=空间对齐噪声的自然分级——可设计"对齐强度"消融：相邻切片（最强对应）vs 打孔（同切片部分对应）vs 另一肿瘤（患者级对应）——这个分级本身就是论文可挖的方法学素材。
附录 AB：挑战赛时间管理与提交策略（Phase 机制复盘）
AB.1 时间线的行为学读法
| 阶段 | 日历 | 行为含义 |
|---|---|---|
| 注册+训练集 | 04-10 同日 | “注册即拿数据”——零摩擦入口设计 |
| 验证期 | 06-13→08-22（划改后跨度 70 天） | 唯一长窗口——迭代主力期；划改 +12 天=给数据 v2 修复让路（时间线治理的因果推断） |
| 测试截止 | 08-22 AOE | AOE（Anywhere on Earth）时区=最宽容截止惯例 |
| Workshop | 2025-09 大田 | 赛-会间隔 ~2 周——MICCAI 惯例 |
AB.2 提交经济学
159 submissions（Task 2+3）/约 13% 入选终评（13/约 100 队推算）——终评密度设计：不是所有提交都被 benchmark，组织方按榜面+多样性选 13 个做深度分析（含后挑战压力测试）。对参赛者策略：早期提交锁定验证集反馈、后期提交覆盖架构多样性（官方分析偏爱"有故事"的模型族）。
AB.3 黑盒下的过拟合防范
隐藏 test+限量提交的对称设计——提交次数少则探索不足、多则 test 过拟合；CHIMERA 未公开单队提交上限（页面未载）——对照 531 LMC2 的 ≤5/日配额公开。这是文档完备度 9 分里唯一的暗点，记入口径注 N5 的同族观察。
AB.4 对下一条目的模板沉淀
GC 核查模板 v1.5 的"可获取性三档"在 CHIMERA 得到第四个数据点：Registry 收录型（AWS Open Data+ARN+引用格式）> Zenodo 直下型 > 注册墙型。534 autoPET V 与 535 OWL 的数据载体核查将直接套用此四分。
附录 AC：引用声明模板与复现声明（直接可用的规范化文本）
AC.1 数据引用模板（论文/报告用）
数据来源：CHIMERA Challenge（Combining HIstology, Medical Imaging (Radiology), and molEcular Data for Medical pRognosis and diAgnosis），Radboud University Medical Center 主办，MICCAI 2025 挑战赛。训练数据（v2）经 AWS Open Data Registry 获取（s3://chimera-challenge，us-west-2），许可 CC BY-NC-SA 4.0。方法描述：Spaans RN, et al. arXiv:2608.21497（Task 1）；Chia C, et al. arXiv:2609.09510（Task 2+3）。
AC.2 结果复现声明模板
本研究使用 CHIMERA v2 训练集（Task 1 n=95/Task 2 n=182/Task 3 n=176）。验证与测试集由 Grand Challenge 平台托管未随训练集发布，故本报告的 C-index/weighted F1 为训练集内部交叉验证结果，与官方榜单（test C-index 0.7402 等）不可直接比较。Cohort A/B 批次变量已保留并披露处理方式。缺失编码（“x”/2/-1/“<0.10”）按附录 V/Z 语义处理。
AC.3 模型卡片（Model Card）关键字段建议
| 字段 | 建议值 |
|---|---|
| 训练数据 | CHIMERA v2（哪个 task 哪些模态） |
| 评估指标 | C-index（删失规则）/weighted F1 |
| 已知偏差 | Cohort A/B 协议差；HR-NMIBC 单中心群（Erasmus 系）；T1e 一致难例 |
| 适用范围 | 泌尿肿瘤预后研究；非临床部署 |
| 不适用 | 肌层浸润/转移队列；非欧洲人群外推；BCG 个体化处方 |
| 许可继承 | 衍生模型发布需披露 CC BY-NC-SA 4.0 传染性（SA 条款对权重的适用性讨论） |
AC.4 AI-Ready 评估的操作化定义（本条目贡献）
挑战赛型条目的 AI-Ready 评估在 CHIMERA 上形成五个可复用检查点：①训练集无账户直下可达（Registry/ARN 元数据完备）；②评估管线代码公开承诺与隐藏 test 的对称设计；③数据版本治理（v1→v2 演化+缺陷清单公示）；④baseline 全链可复现（权重/embeddings/损失函数三件）；⑤学术出口可追溯（summary paper+冠军论文+集体署名规范）。五点齐备=挑战赛型 DAIMS 7.5+ 的操作化门槛——供 534/535 及后续挑战赛条目直接套用。
AC.5 本条目事实的存证链（本库方法论要求）
| 事实组 | 存证信源 | 抓取时点 |
|---|---|---|
| 规模/划分/指标 | arXiv 2608.21497 摘要+Task 1-3 GC 页 | 2026-09-25 |
| 版本演化/QC 清单 | Task 2/3 页面 Data versions 节 | 2026-09-25 |
| baseline 链 | GitHub DIAGNijmegen/CHIMERA README | 2026-09-25 |
| 冠军/ModalSurv | Warwick TIA 新闻+arXiv 2509.05037 | 2026-09-25 |
| AWS 元数据 | registry.opendata.aws/chimera | 2026-09-25 |
| agent 消歧 | chimera-agent.grand-challenge.org+GC 首页 | 2026-09-25 |
§10 总结：多模态预后的标准起点与它的清醒剂
CHIMERA 的双重价值：建设性的——首个泌尿肿瘤多模态预后标准化 benchmark，四模态配对+三级 baseline+删失评估规范+QC 缺陷清单公示，把"怎么组织一场诚实的多模态挑战赛"做成了模板；清醒剂的——临床单模态屠榜（C 0.7402）且随机化即崩塌（0.50）、多模态仅微弱鲁棒（ΔC≤0.04）、冠军团队自证外部测试集上单模态更强——多模态融合的增益在 2025 年的泌尿肿瘤数据上仍未兑现，瓶颈不在架构而在"大规模、平衡、对齐的多模态数据集"本身（ModalSurv 原话）。这个悖论让 CHIMERA 超越了一个数据集：它是给整个多模态医学 AI 领域的压力测试协议——先问信号从哪来（随机化实验），再问缺失时谁还站着（withholding 实验），最后才看榜单。对 AI-Ready 数据集评估的含义：可获取性 9 分（AWS 无账户直下）与"单模态陷阱"警示并存——数据开放不等于结论好用，条目价值恰在这两层张力的完整记录。
本条目为千方病案医数集 GC 五连第三发。数据以 CHIMERA Challenge 官方页面（chimera.grand-challenge.org）、两篇 summary paper（arXiv 2608.21497/2609.09510）、冠军论文（arXiv 2509.05037）、GitHub DIAGNijmegen/CHIMERA 与 AWS Open Data Registry 为准，抓取时点 2026-09-25。CHIMERA-agent（MICCAI 2026）信息仅作消歧与对照，其数据本体另行成条。
（完）
附录 AD：本条目与 GC 五连的批次位置备忘
| 发次 | 条目 | slug | 状态 |
|---|---|---|---|
| 第一发 | 531 Light My Cells 2 | lightmycells2 | 已上线（rid 631） |
| 第二发 | 532 TopBrain 2026 | topbrain2026 | 已上线（rid 632） |
| 第三发 | 533 CHIMERA | chimera | 本条 |
| 第四发 | 534 autoPET V | autopetv（待核） | 计划中——系列第五届，前作锚最强 |
| 第五发 | 535 OWL | owl（待核） | 计划中——元研究型挑战，DAIMS 第三种评分结构待建 |
五连完成后将输出《GC 挑战赛型条目生产总结》：四档可获取性光谱（注册墙/Zenodo/AWS Registry/待补）、任务族覆盖（分割/生成/生存/检测待补）、命名消歧案例集（CHIMERA 首例）——作为挑战赛型数据生产的模板终版。
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：
- hest-1k — 共享标签：医学影像 / 病理图像 / 转录组 / 肿瘤学
- leopard — 共享标签：医学影像 / 病理图像 / 挑战赛数据集 / 肿瘤学
- atlas-liver-tumor — 共享标签：医学影像 / MRI / 挑战赛数据集 / 肿瘤学
- cptac-imaging — 共享标签：医学影像 / 病理图像 / MRI / 肿瘤学
- prostatex — 共享标签：医学影像 / MRI / 挑战赛数据集 / 肿瘤学
- pi-cai — 共享标签：医学影像 / MRI / 挑战赛数据集 / 肿瘤学
- hlca — 共享标签：医学影像 / 病理图像 / 转录组
- 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
- promise12 — 共享标签：医学影像 / MRI / 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。
