信息速览

数据集名称CoMPAS GI Histopathology Part 1-2 — 杜克大学 550 张 IBD 胃肠道 H&E 全切片病理图像与去标识化患者元数据开放集

数据类型影像数据,原始数据,临床数据

规模约 550 张 H&E 全切片（~500 GB）；患者级数量未披露；Duke 项目页标注受试年龄 2-21 岁

接入方式Duke BioRepository and Precision Pathology center (BRPC) 临床归档 H&E 胃肠道组织病理全切片（经 DUHS IRB Pro00117942、waiver of consent 取得）+ PRCC honest broker 去标识化的患者元数据（Excel/.csv）

AI 就绪度

INFOBOX — CoMPAS GI Histopathology Part 1-2 一屏速览

维度内容

本质杜克大学 CoMPAS 项目的一个公开发布分卷（Part 1-2），非完整数据集整体

官方名 CoMPAS GI Histopathology Part 1-2（Zenodo 记录标题）

团队 Duke University · The Syed lab（编者 Sana Syed，MD，儿科胃肠病学）

项目 CoMPAS = Crohn’s Machine Learning Predictions and Single Cell Analysis（Duke IRB Pro00117942）

资助 NIH R01DK131491（2025-05-01 至 2027-04-30）

数据约 550 张 H&E 全切片，~500 GB，胃肠/IBD/回肠；+ 去标识化患者元数据（Excel/.csv）

疾病炎症性肠病 IBD——克罗恩病、溃疡性结肠炎

来源机构 Duke BioRepository and Precision Pathology center（BRPC），临床归档

许可 CC BY-4.0

获取 Zenodo 记录公开，文件受限（restricted），需登录申请；无关联论文、无代码

姊妹卷 CoMPAS GI Histopathology Part 2-1（Zenodo 21792234，2026-08-04）

DOI 10.5281/zenodo.21810305（concept：10.5281/zenodo.21810304）

评价定位一份合规先行、元数据极简的归档临床病理开放数据集：许可宽松、门槛在访问层

§0 导读：这个数据集解决什么问题

0.1 一句话定位

CoMPAS GI Histopathology Part 1-2 是美国杜克大学（Duke University）Syed 实验室在 NIH 资助的
CoMPAS 研究项目下，把一批从 Duke 临床归档中取出的、经去标识化的胃肠道炎症性肠病（IBD）H&E 全切片
组织病理图像，按 NIH 开放获取（open access）合规要求，以 CC BY-4.0 许可挂到 Zenodo 公开的一份
数据集分卷。它解决的核心问题是：让一笔原本锁在临床档案里的儿科/青年 IBD 病理切片，以符合 NIH 数据
共享政策的方式进入公共领域，供机器学习与单细胞组学研究复用。

它不是挑战赛、不是基准榜、也（截至本条目撰写时）没有配套论文——它的价值主张几乎完全是
数据治理与合规层面的：把临床归档→去标识化→开放许可这条链路走通，并留下了可追溯的授权记录。

0.2 它「是」什么、它「不是」什么

它是：

一个真实存在、可核验的 Zenodo 数据集记录（DOI 10.5281/zenodo.21810305，HTTP 200 可达）；
一个归属清晰的数据集：Duke University，编者 Sana Syed，编号 NIH R01DK131491；
一个许可宽松的数据集：CC BY-4.0，允许再分发与再利用（须署名）；
一个多分卷数据集的一个卷：本记录标题明写 Part 1-2，同族另有 Part 2-1。

它不是：

不是完整数据集本体：Part 1-2 这个后缀意味着它只是一个分卷；把本卷当作「CoMPAS GI
Histopathology 全集」会误判规模（坑 1）；
不是即取即用的公开直链：记录公开可见，但文件区显示
「The record is publicly accessible, but files are restricted. Log in to check if you have access.」
——文件在访问层受限（坑 2）；
不是有 Benchmark 或评测结论的数据集：无 leaderboard、无指标、无报告；
不是纯病理图像集：官方明确元数据（患者数据）随图像一同构成「dataset」，是图像 + 表的组合。

0.3 为什么值得收录进 AI-Ready 数据集图谱

罕见许可与来源组合：CC BY-4.0 + 临床归档来源 + 儿科 IBD 队列，在病理图像数据集里稀缺。
合规示范意义：从 DUHS IRB 审批（Pro00117942）到 BRPC 去标识化、PRCC honest broker、
REDCap 元数据管理、NIH 政策对齐——是一条完整可引用的临床数据开放链路 SOP。
疾病方向的价值：IBD（克罗恩病/溃疡性结肠炎）是儿科胃肠病学的核心难题，公开病理图像稀缺。
「分卷 + 受限」的先例价值：它展示了 NIH 资助数据在「开放许可」与「受控访问」之间的典型折中形态。

0.4 读法三则

读规模数字时：只认官方两个硬数字——约 550 张、~500 GB；其余（患者数、单张尺寸、格式）
官方均未披露，不要脑补（见 §4、§10 坑 4）。
读许可/获取时：务必区分许可（CC BY-4.0，宽松）与访问（restricted，受限）两层——这是本
条目最容易踩的坑（§6、坑 2）。
读引用时：本记录无论文，「CoMPAS」是项目名而非纯数据集品牌，引用数据集请用
「Syed, S. (2026). CoMPAS GI Histopathology Part 1-2 (Version 1.0.0) [Dataset]. Zenodo.」
格式（§3、坑 3）。

§1 数据集速览：十问十答

Q1：这个数据集官方叫什么？
A：CoMPAS GI Histopathology Part 1-2。这是 Zenodo 记录 21810305 的标题。注意后缀
Part 1-2——它是一个分卷，不是全集。

Q2：它属于哪个项目/实验室？
A：Duke University 的 Syed 实验室（The Syed lab），署名编者/作者为 Sana Syed。
项目名 CoMPAS = Crohn’s Machine Learning Predictions and Single Cell Analysis。

Q3：谁出资？
A：美国国立卫生研究院（NIH），资助编号 R01DK131491，起止 2025-05-01 至 2027-04-30。

Q4：数据有多大？
A：官方披露两个数字：约 550 张图像、总体积 约 500 GB（“approximately 500 GB of images
(~550 images total)”），另加「a marginal amount of additional metadata」。

Q5：什么模态？
A：H&E 全切片组织病理图像（全切片图像，whole slide image, WSI）+ 去标识化患者元数据
（Excel 或 .csv 格式）。官方明确不含任何软件或代码。

Q6：什么器官、什么病？
A：胃肠道（GI），关键词含 回肠（ileum）；疾病为炎症性肠病（IBD）——克罗恩病
与溃疡性结肠炎。

Q7：数据从哪来？
A：Duke 临床归档，具体来自 Duke BioRepository and Precision Pathology center（BRPC）。
经 DUHS IRB Pro00117942 审批，在 豁免知情同意（waiver of consent） 条件下取得。

Q8：许可是什么？
A：CC BY-4.0（Creative Commons Attribution 4.0 International）。可再分发、可再利用，须署名。

Q9：怎么拿到文件？
A：去 Zenodo 记录页 https://zenodo.org/records/21810305。注意：记录公开，但文件受限，
需登录并确认访问权限。

Q10：有没有论文、有没有 Benchmark？
A：都没有。官方原话：「No associated software or code will be uploaded, just the dataset for
open access compliance」，并且数据集是「in advance of a manuscript being prepared」（稿件尚在准备）。

§2 数据构成与规格

2.1 规模、来源与机构构成

本数据集（本卷）的规模口径只有官方披露的两个总量数字，务必原样引用：

图像总量：约 500 GB；
图像张数：约 550 张（“~550 images total”）；
元数据：数量为「marginal amount」，格式为 Excel 表格或 .csv 文件。

来源机构单一：Duke BioRepository and Precision Pathology center（BRPC），即杜克大学的生物
样本库与精准病理中心。图像由 BRPC 完成数字化与去标识化（“Slides were digitized and
de-identified by the Duke BRPC”），最终存储在 Duke T drive（校内 T 盘）。

重要澄清：官方描述中「约 550 张」是整个数据集的量级描述，而本记录是 Part 1-2 分卷。
本卷究竟含多少张、Part 2-1 含多少张，官方均未分别披露。因此本条目在引用「550 张 / 500 GB」
时，一律标注其为项目级总量，而非本分卷的确定规模（见 §10 坑 1）。

2.2 数据管线：从临床归档到 Zenodo

官方描述给出的是一条清晰的四级数据管线，可作为临床病理数据开放的参考 SOP：

采集与归档：切片来自 Duke 临床档案（BRPC）；归档记录的取得经 DUHS IRB Pro00117942 审批，
并在豁免知情同意条件下使用。
数字化与去标识化：由 BRPC 完成切片数字化，并同步去标识化。
元数据治理：患者元数据在 Duke REDCap 数据库中采集，存放于 PRCC（Duke 的
Pediatrics Research Computing / 相关计算资源），由 PRCC 的 honest broker（独立第三方
去标识化角色）完成去标识化，随后与图像一同存入 Duke T drive。
开放发布：按 NIH 开放获取指南，以 CC BY-4.0 挂到 Zenodo 公开。

说明：Zenodo 本体只承载已准备好的图像与元数据文件，BRPC 计划在 2026 年 7 月中旬完成
图像准备；本记录元数据于 2026-08-05 发布，2026-08-11 最后修改。

2.3 图像内容与疾病语义

染色：H&E（hematoxylin and eosin，苏木精-伊红），是组织病理学的标准染色。
切片类型：全切片图像（WSI），即整张玻璃载片的高分辨率数字扫描。
器官系统：胃肠道（GI）；Zenodo 关键词显式列出 ileum（回肠）——回肠是克罗恩病
最常累及的肠段之一，这一关键词与 IBD 语义自洽。
疾病：炎症性肠病（IBD），涵盖 克罗恩病（Crohn’s disease） 与
溃疡性结肠炎（ulcerative colitis） 两大亚型。

推断边界：关键词把 GI / ileum / H&E 并列，指向「胃肠道（尤以回肠）的 H&E 组织病理切片」；
但官方未披露每张切片对应的确切解剖部位、疾病亚型标签是否随图给出，也未说明是否含正常对照。
使用前必须自行核对文件内是否携带疾病标签（见 §10 坑 5）。

2.4 元数据：构成与颗粒度

元数据是本数据集「dataset」定义的组成部分（描述称图像 + 患者数据共同构成数据集）：

承载形式：Excel 表格或 .csv 文件（二者之一或并存，官方表述为 “an excel sheet or .csv file”）。
内容性质：去标识化的患者数据（de-identified … patient data）。
治理路径：REDCap → PRCC → honest broker 去标识化 → T drive。
颗粒度：官方未列出字段清单，也未说明是否含诊断、年龄、性别、随访等具体变量。

AI-Ready 影响评估：元数据字段未知，意味着无法预先判断该数据集能支撑何种下游建模
（例如是否可做「图像—诊断标签」监督分类，或仅能作为无标签预训练语料）。这是它作为 AI-Ready
资源的最大不确定项之一（见 §6.3、§10 坑 4）。

2.5 与「CoMPAS」项目的关系边界

必须厘清三个层级，避免概念混用：

层级	名称	性质
项目层	CoMPAS（Crohn’s Machine Learning Predictions and Single Cell Analysis）	NIH 资助的研究项目（grant 309567）
产品层	CoMPAS GI Histopathology 数据集	项目产出的开放数据资产
分卷层	CoMPAS GI Histopathology Part 1-2	本条目所记录的具体 Zenodo 记录

结论：CoMPAS 首先是项目名（Duke Research 页将其展开为「Crohn’s Machine Learning
Predictions and Single Cell Analysis」），数据集借用了项目名。因此引用数据集时不能只写「CoMPAS」，
须写全 CoMPAS GI Histopathology Part 1-2（见 §10 坑 3）。

2.6 本卷与姊妹卷 Part 2-1 的关系

通过 Zenodo 与检索互证，同族至少存在两卷：

分卷	Zenodo recid	发布日期	许可	访问
CoMPAS GI Histopathology Part 1-2	21810305（本卷）	2026-08-05	CC BY-4.0	restricted（文件受限）
CoMPAS GI Histopathology Part 2-1	21792234	2026-08-04	CC BY-4.0	restricted（文件受限）

两卷描述文本几乎完全一致（同一段 Duke BRPC / NIH / 500 GB 说明），说明它们共享同一份项目级
元数据描述，只是分卷文件名不同。划分依据官方未说明——是按患者、按时间、还是按部位切分，
均属未知（见 §10 坑 1）。

§3 名称、身份与「CoMPAS」名源

3.1 官方名与 slug 的对应

项	值
官方记录标题	`CoMPAS GI Histopathology Part 1-2`
本条目 slug	`compas-gi-histopathology`
记录编号	Zenodo recid `21810305`
记录 DOI	`10.5281/zenodo.21810305`
概念 DOI（concept）	`10.5281/zenodo.21810304`
资源类型	Dataset
版本	`1.0.0`
语言	eng

命名出入说明：侦察阶段曾以「CoMPAS」代称，后定名 compas-gi-histopathology。实抓 Zenodo
记录后确认：官方标题主干为 CoMPAS GI Histopathology，与 slug 语义吻合；但官方标题带有
Part 1-2 分卷后缀，slug 不含分卷信息。所以正文中凡涉及身份，一律用官方全名，slug 仅在
URL 层使用（见 §10 坑 1）。

3.2 「CoMPAS」到底是什么的缩写

「CoMPAS」在 Duke 的不同页面上有两种展开，需并列存照：

Duke Research 研究页（duke-research.dukehealth.org/node/802） 标题：
CoMPAS (Inflammatory Bowel Disease)；Full Title：
Crohn’s Machine Learning Predictions and Single Cell Analysis (CoMPAS)。
Scholars@Duke 资助页（scholars.duke.edu/grant/309567） 标题：
Predicting Clinical Phenotypes in Crohn’s Disease Using Machine Learning and Single-Cell
'omics (CoMPAS)。

两处展开略有措辞差异但语义一致：都以克罗恩病/炎症性肠病为对象，以机器学习 + 单细胞组学
为方法。故 CoMPAS 是该研究项目/资助项目的名称，而非单纯的数据集品牌（见 §10 坑 3）。

3.3 作者/编者身份

Zenodo HTML 页 creatorship 显示：Syed, Sana (Editor)，affiliation Duke University。
Zenodo API creators 字段：{"name": "Syed, Sana", "affiliation": "Duke University"}。
引用格式官方给出：Syed, S. (2026). CoMPAS GI Histopathology Part 1-2 (Version 1.0.0) [Dataset]. Zenodo. https://doi.org/10.5281/zenodo.21810305。

双口径存照：官方在 HTML 页把 Sana Syed 标为 「Editor」（编者），而引用格式与 API 作者字段
则按通常的作者位置处理。这说明 Zenodo 记录的署名角色被登记为「编者」——可能反映实际贡献结构
（数据来自临床归档，署名者为数据整理/发布负责人）。（见 §9 存照 1）

PI 外部互证：Scholars@Duke 资助页记 Sana Syed 为 Principal Investigator，单位标注
Pediatrics, Gastroenterology, Hepatology and Nutrition——坐实其儿科胃肠病学方向，与本数据
集「儿科/青年 IBD」的受试范围自洽。

3.4 联系方式

Duke Research 研究页（node/802）给出研究团队联系邮箱 alex.hammett@duke.edu。注意：这是
研究参与/入组事务的联系方式，非数据申请通道；数据访问须走 Zenodo 的文件申请流程（见 §6）。

§4 数据规模与硬数字

4.1 官方硬数字（唯一可直接引用的量）

指标	值	出处
图像总量	~500 GB	Zenodo 描述
图像张数	~550 images	Zenodo 描述
元数据量	marginal amount（少量）	Zenodo 描述
元数据格式	Excel / .csv	Zenodo 描述
数据来源	Duke BRPC 临床归档	Zenodo 描述
IRB	DUHS IRB Pro00117942	Zenodo 描述
同意模式	waiver of consent	Zenodo 描述
资助	NIH R01DK131491	Zenodo grants
受试年龄（项目级）	2-21 岁	Duke 项目页 node/802

4.2 Zenodo 记录自身指标（快照）

来自 Zenodo API（本条目抓取时，updated 2026-08-11T22:51:22）：

指标	值
views	24
unique views	22
downloads	0（文件受限，无法下载）
version_views	24
revision	4
status	published

解读：0 下载并非无人问津，而是文件受限导致——受限记录的下载计数天然为 0。
用「0 下载」判断数据集冷热是错误的（见 §10 坑 2）。

4.3 规模数字的三条引用纪律

区分「项目总量」与「本卷量」：550 张 / 500 GB 是项目级总量描述，官方未分别给出
Part 1-2 与 Part 2-1 各自的张数。
不要换算患者数：患者数官方未披露（patient_count 无法从患者级数据得出），禁止用
550 除以「每患者切片数」之类的假设去推算（见 §10 坑 4）。
不要假定格式与倍率：WSI 具体格式（SVS/Aperio/NDPI/TIFF…）、放大倍率、单张像素尺寸、
扫描仪型号，官方一个都没写（见 §10 坑 4）。

4.4 与库内同类数据集规模对照

数据集	rid	规模口径	器官/方向
CoMPAS GI Histopathology Part 1-2	本条	~550 张 WSI / ~500 GB	胃肠道 / IBD
Unitopatho	701	~9,000 WSI	结肠/胃病理分类
DigestPath	338	消化道病理分割/分类	结直肠
PathSeg	970	病理图像分割	通用病理
PathVQA	260	病理视觉问答	通用病理

对照要点：CoMPAS 的图像张数在同类中偏少（~550），但单张体量大（~500 GB / 550 ≈ 约
0.9 GB/张），符合全切片（WSI）高分辨率特征——它是少数高分辨率全切片而非 patch 集。
换算仅供直觉参照，非官方数字。

§5 任务、标注与下游潜力

5.1 官方披露的任务信息

极简。官方描述未声明任何具体任务，只说明数据集由两类内容构成：

去标识化的临床组织病理图像（H&E 全切片）；
去标识化的患者元数据（Excel/.csv）。

「No associated software or code」——无基线模型、无训练脚本、无评测协议。

5.2 标注信息：披露状态

问题	官方状态
是否含像素级标注（分割掩码）	未披露
是否含区域级标注（ROI）	未披露
是否含切片级诊断标签	未披露
标签体系（如 IBD 亚型/炎症活动度）	未披露
元数据字段清单	未披露

因此本条目对「任务」只能给出基于元数据存在性的推测性下游清单，且必须显式标注为推测：

5.3 下游潜力（推测，非官方声明）

若元数据含切片级 IBD 诊断标签 → 可做胃肠道病理切片弱监督分类（克罗恩病 vs 溃疡性结肠炎
vs 对照）。
若含炎症活动度/分级 → 可做病理分级回归/分类。
若无标签 → 仅能作自监督预训练语料（如病理基础模型 MaCo/UNI 类）或域适应素材。
图像 + 临床表型配对：项目名含「Machine Learning Predictions」与「Clinical Phenotypes」，
暗示其设计目标是从病理图像预测临床表型；但这一目标对应的是项目，不代表本数据集已带
齐标签（见 §10 坑 5）。

5.4 与 CoMPAS 项目单细胞组学部分的关系

项目名明确含 Single Cell Analysis / Single-Cell 'omics。本数据集只含图像与患者元数据，
不含单细胞组学数据（官方描述只提 images + metadata）。故：

单细胞组学部分不在本数据集内；
图像数据集与单细胞数据之间是否可做患者级配对，官方未披露；
若下游想做「组织病理 + 单细胞」多组学关联，需另找 CoMPAS 项目的组学数据发布（本条目未获证据）。

5.5 使用前的三条自查

拿到文件后先验元数据字段：确认是否含疾病/受试者标签，再决定任务设计。
核对组织部位与疾病亚型：关键词给的是 GI / ileum，但逐张切片的部位需自证。
合规再确认：本数据集源自豁免知情同意的临床归档，复用前请确认你所在机构对「豁免同意
下取得的去标识化数据」的二次使用规定。

§6 获取与许可：许可宽松、访问受限的两层门

6.1 一句话说清两层门

许可（license） = CC BY-4.0，宽松，允许再分发再利用（须署名）；
访问（access） = restricted，文件受 Zenodo 登录申请门槛管控。

这是本条目最核心、也最容易被误读的一点：很多人看到「CC BY-4.0」就以为可以自由下载，
但 Zenodo 记录页文件区明确写着「The record is publicly accessible, but files are restricted.
Log in to check if you have access.」——许可是许可，访问是访问，两码事（见 §10 坑 2）。

6.2 官方许可与访问字段（Zenodo API 原文口径）

字段	值
`access_right`	`restricted`
`license.id`	`cc-by-4.0`
`license` 人类可读	Creative Commons Attribution 4.0 International
`resource_type`	Dataset
`version`	1.0.0

Zenodo 许可页说明：「The Creative Commons Attribution license allows re-distribution and re-use
of a licensed work on the condition that the creator is appropriately credited.」

6.3 获取路径与实操

打开记录页 https://zenodo.org/records/21810305（或 DOI 跳转 https://doi.org/10.5281/zenodo.21810305）。
记录元数据（标题、描述、许可、资助）无需登录即可查看。
下载文件需登录 Zenodo 账号并确认是否具有访问权限——受限记录的访问由所有者审批。
无公开直链、无 API 免登录下载：files 数组在本记录 API 快照中为空（"files": []），
佐证文件未以公开下载形式挂载。

AI-Ready 评估要点：对本数据集而言，能否「即取即用」取决于访问审批，而非许可。
因此它的 AI-Ready 成熟度在可获取性维度偏低，在许可清晰度维度则接近满分——这是一个
「许可满分、访问打折」的非对称画像。

6.4 版本链与获取稳定性

记录	recid	类型	说明
概念记录（concept）	21810304	concept DOI 父记录	10.5281/zenodo.21810304，指向整个版本链
本卷 Part 1-2	21810305	version	index 0 且 `is_last: true`（当前最新）
姊妹卷 Part 2-1	21792234	同族分卷	2026-08-04

注意：relations.version 显示本记录为版本链中 index 0 且 is_last: true，意味着在
该概念记录下本卷是当前唯一/最新的版本。但 Part 2-1（21792234）属于另一个概念记录，
是平行分卷而非本记录的「旧版本」——不要把它当成「被本卷取代的历史版本」（见 §10 坑 6）。

6.5 引用与署名规范

官方推荐引用：

Syed, S. (2026). CoMPAS GI Histopathology Part 1-2 (Version 1.0.0) [Dataset].
Zenodo. https://doi.org/10.5281/zenodo.21810305

由于许可是 CC BY-4.0，复用者必须署名（attribution）。若同时使用了 Part 2-1，应按其
独立 DOI（10.5281/zenodo.21792234）分别署名，并引用概念 DOI 统领全族。

§7 生态、贡献与项目背景

7.1 CoMPAS 项目：一条「临床问题—机器学习—单细胞」的研究链

CoMPAS 的完整面貌（据 Duke 项目页与 Scholars@Duke 资助页）指向一个三维研究项目：

临床问题：儿童与青年 IBD（炎症性肠病）——预测疾病未来走向、理解 IBD 如何发生，
以改善治疗速度与效果。
入组人群：2-21 岁，因结肠镜检查+活检被转诊、疑似或近 2 年内确诊 IBD、诊断前未使用
IBD 药物或补充剂者。
研究方法：机器学习（Machine Learning） + 单细胞组学（Single Cell 'omics）。
采样方式：在常规内镜时从肠道三个不同部位额外取活检。
受试状态：Phase 0，Enrollment Status = Pending Open to Enrollment（截至抓取时）。

与本数据集的关系：本数据集是该项目的病理图像资产（H&E 全切片）；项目的其他模块
（单细胞组学、临床表型预测模型）不在本数据集内（见 §5.4）。

7.2 贡献定位

维度	贡献
数据治理	提供了「临床归档 → IRB 审批 → BRPC 去标识化 → honest broker → 开放许可 → Zenodo」的完整可引 SOP
合规示范	示范 NIH 资助项目如何以 CC BY-4.0 + restricted 的折中形态满足开放政策
疾病方向	补足儿科/青年 IBD 胃肠道 H&E 全切片这一稀缺资源缺口
许可先行	在尚无论文时即开放数据（“in advance of a manuscript being prepared”），属预注册式/前置开放

7.3 在胃肠道与病理数据集景观中的位置

本数据集与库内多条目构成互补而非重叠的关系：

病理图像上游（WSI/病理本身）：Unitopatho（701）、PathSeg（970）、PathVQA（260）、
DigestPath（338）——与本同属计算病理图像，但器官/任务不同。
胃肠道内镜（下游/相邻模态）：GastroVision（203）、GastroHUN（885）、Real-Colon（778）、
CVC-ColonDB（142）——同为「消化道」，但为内镜而非组织病理，模态不同。
肠道微生物组：American Gut Project（508）——同属「肠道/IBD 相关」上游生态。

7.4 差异化价值

在库内胃肠道相关条目中，绝大多数是内镜图像（可见光管腔内视图），唯独 CoMPAS 与
Unitopatho/DigestPath 等属于「组织病理（microscopic）」层。CoMPAS 的独特点在于：

儿科/青年队列（2-21 岁），而多数成人病理数据集成人主导；
IBD（克罗恩病/溃疡性结肠炎）专病，而非泛消化道肿瘤；
高分辨率全切片 + 去标识化临床元数据配对，兼顾微观与临床；
CC BY-4.0 许可，在病理图像数据集里属宽松档。

7.5 局限与风险

无论文、无标注说明：复用门槛高，需自行探明数据结构。
访问受限：非公开直链，AI-Ready 流水线的自动化获取会受阻。
分卷碎片化：多卷分散在不同 Zenodo 记录，需跨记录聚合。
单中心、儿科偏斜：Duke 单中心 + 2-21 岁，跨机构与外推泛化需警惕。
合规依赖：源自豁免知情同意的归档，二次使用的合规判断责任落在复用方。

§8 方法学启示：从 CoMPAS 学到的四条

8.1 「合规先行、数据后至」是可行的开放策略

CoMPAS 的做法是：先把数据挂出去、把许可与授权记录做扎实，论文留待后续
（“in advance of a manuscript being prepared”）。这为 NIH 资助项目提供了一条合规优先的
路径——数据集可以先于论文成为公共资产，避免「论文写完才想起要开放数据」的被动。

8.2 「许可」与「访问」必须分层设计

CoMPAS 展示了成熟的双层设计：许可用最宽松的 CC BY-4.0（满足 NIH 开放政策、便于署名
复用），访问用 restricted（在临床数据敏感性与开放要求之间留出受控缓冲）。

可迁移经验：设计临床数据开放时，不要用许可去承载敏感性控制。许可解决「能不能用」，
访问控制解决「谁能拿到」。两者分离，既能满足资助方开放要求，又能为伦理审查留余地。

8.3 去标识化要做成「多人分工的可审计链路」

CoMPAS 的去标识化不是单点操作，而是一条职责分离的链路：BRPC 负责切片数字化+去标识化，
PRCC 的 honest broker 负责元数据去标识化，二者分属不同角色。这种honest broker 模式
（由独立方在数据使用者与原始数据间做去标识化中介）是可复制的临床数据治理范式。

8.4 「分卷发布」降低单次开放风险，但抬高检索成本

将数据集拆成 Part 1-2、Part 2-1 等多卷分别发布，可分散单次开放的操作与合规风险，
也便于分批上传大文件；代价是检索者必须跨多记录聚合，且官方未给出聚合说明。对 AI-Ready
图谱而言，这要求条目层面对分卷关系做显式声明（本条目已做，见 §2.6、§6.4）。

§9 避坑清单：八个已踩过的坑

本节为「坑 N：」编号制，坑点档案与 §10 存照、§11 总结互为对照。

坑 1：把 Part 1-2 当成完整数据集本体。
官方标题是 CoMPAS GI Histopathology Part 1-2，后缀 Part 1-2 是分卷标识。若按「CoMPAS
GI Histopathology 全集」引用其规模（~550 张），会把项目级总量误当成单卷量。正确做法：凡引用
规模一律注明「项目级总量」，并声明本卷仅是分卷之一。

坑 2：把「CC BY-4.0」误读为「可自由下载」。
许可宽松 ≠ 访问开放。本记录 access_right = restricted，文件需登录申请。看到 CC BY-4.0
就断言「公开直链可下」会直接翻车。正确做法：分开陈述「许可 CC BY-4.0 / 访问 restricted」。

坑 3：把「CoMPAS」当作纯数据集品牌。
CoMPAS 首先是一个NIH 资助研究项目名（Crohn’s Machine Learning Predictions and Single
Cell Analysis）。数据集借用了项目名。正确做法：引用数据集写全
CoMPAS GI Histopathology Part 1-2，不要把项目名与数据集名混为一谈。

坑 4：拿「~550 张 / ~500 GB」去推算患者数或单张规格。
官方未披露患者数、单张像素尺寸、放大倍率、扫描仪、文件格式。任何「550 张 ≈ N 例患者」的
换算都是臆测。正确做法：只引官方数字，其余标为「未披露」。

坑 5：假定数据带 IBD 标签。
关键词给了 Crohn's disease / ulcerative colitis / IBD，但这些是数据集主题词，不等于
每张切片都带疾病标签。官方只说「images + metadata」，标注情况未披露。正确做法：把
「可做 IBD 分类」标为推测，并提示先验元数据字段。

坑 6：把 Part 2-1 当成「被本卷取代的旧版本」。
Part 2-1（21792234）虽日期略早（2026-08-04），但它属于另一个概念记录，是平行分卷而非
本记录的旧版本。本记录 relations.version 显示自己才是当前 is_last: true 的版本。
正确做法：把两卷视为同族平行分卷，非「新旧替代」。

坑 7：用 Zenodo「downloads = 0」判断数据集无人使用。
受限记录的下载计数天然为 0（文件根本不能公开下载），downloads = 0 是访问控制的结果，
不是冷热信号。正确做法：受限记录不引用 downloads 作为流行度指标。

坑 8：忽略「豁免知情同意」的合规含义。
本数据集源自 DUHS IRB Pro00117942 且在 waiver of consent（豁免知情同意）下取得。这既是
它得以开放的前提，也是复用方需自证合规的约束。正确做法：复用前确认所在机构对
豁免同意下取得的去标识化临床数据的二次使用规定。

§10 存照与遗留疑点

10.1 双口径存照

署名角色口径：Zenodo HTML 页记 Syed, Sana (Editor)（编者）；API creators 与引用格式
按作者位置处理。→ 存照：官方登记角色为「编者」。
Part 1-2 与 Part 2-1 发布日：2026-08-05 vs 2026-08-04。→ 并存照，非冲突。
CoMPAS 展开口径：Duke 研究页 = Crohn’s Machine Learning Predictions and Single Cell
Analysis；Scholars@Duke = Predicting Clinical Phenotypes in Crohn’s Disease Using Machine
Learning and Single-Cell 'omics。→ 并存照，语义一致。
记录时点：created/modified 2026-08-11 晚于 publication_date 2026-08-05。→ 归因于
Zenodo 元数据编辑（revision 4），非冲突。
规模归属口径：~550 张 / ~500 GB 是项目级总量 vs 本卷实际量未知。→ 存照并全文按
「项目级总量」表述。

10.2 遗留疑点（未获证据）

WSI 具体格式（SVS / Aperio / NDPI / TIFF / PNG…）：未披露。
放大倍率、单张像素尺寸、扫描仪型号：未披露。
本卷与 Part 2-1 的实际张数划分：未披露。
是否存在 Part 1-1、Part 2-2 等更多分卷：本次仅确证 Part 1-2 与 Part 2-1。
是否含像素级/区域级/切片级标注：未披露。
元数据字段清单：未披露。
患者级数量与队列构成：未披露。
图像与单细胞组学数据的患者级配对可能性：未披露。
文件受限的实际审批门槛与周期：未实测。
配套论文：官方称稿件在准备中（“in advance of a manuscript being prepared”），待跟踪。
Duke T drive 的校内可访问性：仅项目内部，与外部复用无关。

10.3 本条目信息源清单

#	来源	类型	用途
1	`https://zenodo.org/records/21810305`	官方记录页	标题/描述/许可/资助/受限状态
2	`https://zenodo.org/api/records/21810305`	官方 API	creators/version/DOI/concept/relations/stats
3	`https://zenodo.org/records/21792234`	官方记录页（姊妹卷）	Part 2-1 存在性与日期
4	`https://duke-research.dukehealth.org/node/802`	Duke 官方研究页	CoMPAS 全称/IRB/入组/IBS 场景
5	`https://scholars.duke.edu/grant/309567`	Duke 资助页	PI/NIH 资助起止/项目全称

三源互证达成：Zenodo 官页 + Zenodo API + Duke 官方两页，交叉印证身份、规模、许可、资助与项目语境。

§11 总结

11.1 三句话总结

是什么：CoMPAS GI Histopathology Part 1-2 是杜克大学 Syed 实验室在 NIH R01DK131491 资助
下，从 Duke BRPC 临床归档取出的约 550 张 IBD 胃肠道 H&E 全切片（~500 GB）+ 去标识化患者
元数据，以 CC BY-4.0 挂 Zenodo 开放的数据集分卷。
怎么拿：记录公开，文件受限（restricted，需登录申请）；无关联论文、无代码、无 Benchmark。
值不值：它的价值在合规示范与许可清晰——是一条可引用的临床病理数据开放 SOP；短板在
访问受限与元数据极简。

11.2 适合谁

研究 IBD（克罗恩病/溃疡性结肠炎）病理 AI 的团队；
需要儿科/青年胃肠道 H&E 全切片的研究者；
研究临床数据开放治理、honest broker、NIH 合规的学者；
想为病理基础模型补充高分辨率全切片 + 临床元数据配对语料的团队。

11.3 不适合谁

需要即取即用公开直链做大规模自动化训练的人（文件受限，会卡在申请环节）；
需要带像素级标注做分割任务的人（标注情况未披露）；
需要成人体检级泛化队列的人（本项目为 2-21 岁单中心儿科队列）。

11.4 30 秒决策卡

若你需要…	结论
IBD 胃肠道 H&E 全切片	可用（先申请访问）
现成的分割/分类标签	不可直接用（标注未披露）
公开直链自动化下载	不可直接用（restricted）
引一份临床数据开放 SOP	强烈推荐（链路完整可引）
成人大规模泛化队列	不匹配（儿科单中心）

FAQ（高频问答 24 问）

A. 基础认知

A1. 这个数据集到底叫什么？
官方名 CoMPAS GI Histopathology Part 1-2（Zenodo 记录标题）。注意 Part 1-2 是分卷后缀。

A2. CoMPAS 是什么意思？
是研究项目名，展开为 Crohn’s Machine Learning Predictions and Single Cell Analysis
（Duke 研究页），亦记 Predicting Clinical Phenotypes in Crohn’s Disease Using Machine Learning
and Single-Cell 'omics（Scholars@Duke）。核心是克罗恩病/IBD + 机器学习 + 单细胞组学。

A3. 谁做的？
Duke University 的 Syed 实验室；Zenodo 署名 Syed, Sana（登记为 Editor），机构 Duke University。

A4. 什么疾病、什么器官？
炎症性肠病（IBD）——克罗恩病、溃疡性结肠炎；器官为胃肠道，关键词含回肠（ileum）。

A5. 是图像还是标注？
H&E 全切片组织病理图像 + 去标识化患者元数据（Excel/.csv）。官方明确无软件代码。

B. 数据与获取

B1. 数据多大？
官方两数字：约 550 张图像、约 500 GB；另加少量元数据。

B2. 有患者数吗？
没有。官方未披露患者级数量。

B3. 什么许可？
CC BY-4.0（Creative Commons Attribution 4.0 International）。

B4. 能直接下载吗？
不能直接下载。记录公开，但文件受限（restricted），需登录 Zenodo 并确认访问权限。

B5. 有公开直链吗？
无。API 快照中 files 为空数组，文件未以公开下载形式挂载。

B6. 数据从哪来？
Duke 临床归档，来自 Duke BioRepository and Precision Pathology center（BRPC），
经 DUHS IRB Pro00117942 审批、豁免知情同意取得。

B7. 元数据怎么去标识化的？
在 Duke REDCap 采集，经 PRCC 的 honest broker（独立去标识化角色）处理，存入 Duke T drive。

C. 项目与生态

C1. 有配套论文吗？
没有。官方称稿件在准备中（“in advance of a manuscript being prepared”），本记录先开放数据。

C2. 有 Benchmark 或 leaderboard 吗？
没有。也无基线模型、无评测协议。

C3. 资助来自哪？
NIH，编号 R01DK131491，起止 2025-05-01 至 2027-04-30。

C4. 入组人群？
据 Duke 项目页：2-21 岁，因结肠镜+活检转诊、疑似或近 2 年确诊 IBD。

C5. 还有别的分卷吗？
有。至少另有 Part 2-1（Zenodo 21792234，2026-08-04，同 CC BY-4.0，同 restricted）。

C6. 本卷和 Part 2-1 是「新版/旧版」关系吗？
不是。两者属不同概念记录的平行分卷；本卷在自己概念记录下为 is_last: true 的最新版本。

D. 使用与合规

D1. 能商用吗？
许可层面 CC BY-4.0 允许再利用与再分发（须署名）；但访问受限且数据源自豁免知情同意的
临床归档，商用前须自行完成合规审查。

D2. 怎么引用？
Syed, S. (2026). CoMPAS GI Histopathology Part 1-2 (Version 1.0.0) [Dataset]. Zenodo. https://doi.org/10.5281/zenodo.21810305。

D3. 有像素级标注吗？
未披露。官方只说 images + metadata。

D4. 可以做 IBD 分类任务吗？
可能可以，但属推测——需先验元数据是否含切片级诊断标签。

D5. 单细胞数据在里面吗？
不在。项目含单细胞组学模块，但本数据集只含图像 + 患者元数据。

D6. 格式是什么（SVS/TIFF）？
未披露。放大倍率、像素尺寸、扫描仪型号亦未披露。

D7. 有没有患者隐私风险？
数据经 BRPC 与 honest broker 双重去标识化，且记录为受限访问——设计上已做隐私保护。
复用方仍应遵守所在机构规定。

D8. 为什么下载量是 0？
因为文件受限，根本不能公开下载；受限记录的下载计数天然为 0，不是冷热指标。

事实清单（硬事实 26 条）

官方名：CoMPAS GI Histopathology Part 1-2（Zenodo 标题）。
Zenodo recid：21810305。
DOI：10.5281/zenodo.21810305。
concept DOI：10.5281/zenodo.21810304。
版本：1.0.0。
资源类型：Dataset。
语言：eng。
发布日：2026-08-05。
记录创建/修改：2026-08-11（revision 4）。
编者/作者：Syed, Sana（HTML 页记 Editor）。
机构：Duke University。
资助：NIH R01DK131491。
资助页起止：2025-05-01 至 2027-04-30（Scholars@Duke）。
图像总量：约 500 GB。
图像张数：约 550 张。
元数据格式：Excel / .csv。
染色：H&E。
器官：胃肠道（GI）；关键词含 ileum。
疾病：IBD——克罗恩病、溃疡性结肠炎。
许可：CC BY-4.0（license.id = cc-by-4.0）。
访问：restricted（文件受限，需登录申请）。
关联论文：无（官方明示稿件待发）。
关联代码/软件：无。
来源机构：Duke BRPC。
IRB：DUHS IRB Pro00117942；waiver of consent。
姊妹卷：Part 2-1（Zenodo 21792234，2026-08-04）。

术语表（16 条）

CoMPAS：Duke 的 Crohn’s Machine Learning Predictions and Single Cell Analysis 研究项目名。
WSI（Whole Slide Image，全切片图像）：整张玻璃病理载片的高分辨率数字扫描。
H&E（Hematoxylin and Eosin，苏木精-伊红）：组织病理学标准染色。
IBD（Inflammatory Bowel Disease，炎症性肠病）：克罗恩病与溃疡性结肠炎的统称。
Crohn’s disease（克罗恩病）：IBD 亚型，可累及全消化道，常累及回肠。
Ulcerative colitis（溃疡性结肠炎）：IBD 亚型，主要累及结肠与直肠。
Ileum（回肠）：小肠末段，克罗恩病常累及部位。
BRPC（BioRepository and Precision Pathology center）：Duke 的生物样本库与精准病理中心。
REDCap：临床研究电子数据采集系统。
PRCC：Duke 的计算/研究计算资源（元数据存放处）。
honest broker（诚实中间人）：独立于数据使用者、负责去标识化的第三方角色。
De-identification（去标识化）：移除数据中个人身份信息的处理。
Waiver of consent（豁免知情同意）：IRB 批准的不再逐例取得同意的条件。
CC BY-4.0：知识共享署名 4.0 国际许可，允许再利用/再分发（须署名）。
Restricted access（受限访问）：记录公开但文件需授权才能获取的访问级别。
Concept DOI：统领数据集所有版本的父级 DOI。

附录

附录 A：条目信息速查卡

字段	值
slug	compas-gi-histopathology
官方名	CoMPAS GI Histopathology Part 1-2
DOI	10.5281/zenodo.21810305
机构	Duke University · The Syed lab
规模	~550 张 H&E WSI / ~500 GB
疾病	IBD（克罗恩病/溃疡性结肠炎）
许可	CC BY-4.0
访问	restricted
论文	无

附录 B：DAIMS 评估全表

DAIMS（Data and AI Maturity/Readiness 维度自评，1-5 分）：

维度	评分	依据
数据可发现性（Discoverability）	4	Zenodo + DOI + 资助页，元数据完整可检索
数据可访问性（Accessibility）	2	文件 restricted，无公开直链，需登录申请
数据互操作性（Interoperability）	2	格式未披露，元数据字段未知，标准 schema 缺失
数据可复用性（Reusability）	3	CC BY-4.0 宽松许可，但标注/字段不透明，复用需自探
文档完备性（Documentation）	2	描述仅一段，无数据字典、无 README、无论文
许可清晰度（Licensing）	5	CC BY-4.0 明确，Zenodo 字段规范
合规透明度（Compliance）	5	IRB 编号、豁免同意、去标识化链路均披露
AI-Ready 综合（AI-Readiness）	3	许可与合规范满分，可访问性与可复用性拖后腿

综合判读：本数据集是一份**「合规与许可成熟、数据工程与可获取性尚在早期」**的临床病理资源。

附录 C：数据获取决策树

需要胃肠道 IBD 病理图像？
 ├─ 需要公开直链自动化获取？
 │   ├─ 是 → 走 Unitopatho(701)/PathSeg(970)/DigestPath(338) 等公开病理集
 │   └─ 否 → 继续 ↓
 ├─ 接受登录申请流程？
 │   ├─ 是 → 申请 Zenodo 21810305（本卷）± 21792234（Part 2-1）
 │   └─ 否 → 放弃本数据集
 └─ 需要成人泛化队列？
     ├─ 是 → 本数据集为 2-21 岁单中心，不匹配
     └─ 否 → 本数据集适用（儿科/青年 IBD）

附录 D：v1.0.0 版本登记表

记录	recid	版本	日期	许可	访问
本卷 Part 1-2	21810305	1.0.0	2026-08-05	CC BY-4.0	restricted
姊妹卷 Part 2-1	21792234	1.0.0	2026-08-04	CC BY-4.0	restricted

附录 E：检索关键词建议

CoMPAS、CoMPAS GI Histopathology、GI histopathology dataset、IBD histopathology、
Crohn's disease whole slide image、ulcerative colitis pathology dataset、
Duke BRPC histopathology、pediatric IBD pathology、ileum H&E WSI。

附录 F：三条来源 URL（供核验）

https://zenodo.org/records/21810305（本卷官方记录）
https://zenodo.org/records/21792234（姊妹卷 Part 2-1）
https://duke-research.dukehealth.org/node/802（Duke CoMPAS 研究页）

附录 G：主要坑点对照（与 §9）

坑 1 分卷 vs 全集｜坑 2 许可 vs 访问｜坑 3 项目名 vs 数据集名｜坑 4 规模臆测｜坑 5 标签假定｜
坑 6 平行分卷 vs 新旧版本｜坑 7 downloads=0 误读｜坑 8 豁免知情同意的合规含义。

§12 深度解析：CoMPAS 在临床数据开放史中的位置

12.1 从「论文附属品」到「先行开放资产」的范式位移

传统上，临床病理数据集多作为论文的附属品发布（论文先出、数据随后）。CoMPAS 走的是相反
路径：官方明言数据集发布是在稿件准备之前（“in advance of a manuscript being prepared”）。
这背后是 NIH 数据管理与共享政策（Data Management and Sharing Policy） 的推动——资助项目
须在数据产出后尽早共享，而非等论文完成。

对 AI-Ready 图谱的含义：这类「先行开放」数据集会越来越多，它们往往文档稀薄、标注未知，
但合规与许可清晰。数据图谱必须能容纳这种「信息不对称」的条目，而不是因为它们没有论文
或标注就忽略它们。

12.2 「受限访问」的三重合理性

为什么一个 CC BY-4.0 的数据集要把文件设为 restricted？至少三重合理性：

临床敏感性的残余风险：即便经过去标识化，病理图像仍可能携带面部（如术中照）、罕见
特征模式等间接标识信息，受控访问是纵深防御。
伦理承诺的兑现：数据源自豁免知情同意的归档，受控访问是对原受试者的一种追加保护承诺。
发布节奏控制：数据尚在准备（BRPC 计划 7 月中旬完成），restricted 允许所有者分批放行，
避免不完整数据被误引用。

12.3 「honest broker」模式的可迁移性

CoMPAS 的元数据去标识化由 PRCC 的 honest broker 执行，与图像去标识化（BRPC）分离。
这一职责分离设计值得所有临床数据项目借鉴：它让「谁能看到原始标识」与「谁在使用数据」之间
隔开一层，降低隐私泄露与利益冲突风险。

§13 复现与使用骨架

13.1 数据获取检查清单

[ ] 1. 打开 https://zenodo.org/records/21810305 确认记录可见
[ ] 2. 检查许可（CC BY-4.0）与访问级别（restricted）
[ ] 3. 注册/登录 Zenodo，提交文件访问申请
[ ] 4. 同时检查姊妹卷 21792234（Part 2-1）是否需要一并申请
[ ] 5. 获得授权后下载图像与元数据
[ ] 6. 校验元数据字段：是否含切片级诊断/受试者标签
[ ] 7. 记录溯源：引用 DOI + concept DOI + 署名 Sana Syed

13.2 元数据探查骨架（伪代码）

# 拿到元数据后先探查字段（示例伪代码）
import pandas as pd
meta = pd.read_csv("compas_metadata.csv")   # 或 .xlsx
print(meta.columns.tolist())                 # 字段清单——决定能做什么任务
print(meta.shape)                            # 行数 = 切片数（可反推本卷实际量）
# 关注：是否有 diagnosis / disease / subject_id / age / sex / location 等字段

13.3 溯源元数据模板

字段	填写
dataset	CoMPAS GI Histopathology Part 1-2
version	1.0.0
doi	10.5281/zenodo.21810305
concept_doi	10.5281/zenodo.21810304
license	CC BY-4.0
access	restricted（申请获批）
accessed_date	（填写）
source_institution	Duke BRPC

§14 对千方病案医数集互链的建议

14.1 强互链条目（同域/同模态）

目标条目	rid	互链强度	理由
unitopatho	701	强	同为计算病理 WSI 分类，模态一致
digestpath	338	强	消化道病理图像，器官系统重叠
pathseg	970	中	病理图像分割通用基准
pathvqa	260	中	病理图像视觉问答上游

14.2 中互链条目（相邻器官/疾病）

目标条目	rid	互链强度	理由
gastrovision	203	中	胃肠道内镜影像，器官系统同域
gastrohun	885	中	胃部内镜筛查，消化道相邻
real-colon	778	中	全结肠镜视频，结肠病变相邻
cvc-colondb	142	中	结肠镜息肉分割，结肠相关
american-gut-project	508	弱-中	肠道微生物组，IBD 上游生态

14.3 互链声明

本条目与上述条目无数据重叠、无别名关系，互链为语义邻近推荐，供检索者按「
组织病理 ↔ 内镜 ↔ 微生物组」的消化道数据谱系导航。

§15 数据治理视角：一份可引用的「开放合规 SOP」

15.1 七步链路（coMPAS 实证）

临床采集：内镜时额外取活检（项目方案）。
归档入库：进入 Duke 临床档案（BRPC）。
IRB 审批：DUHS IRB Pro00117942，获豁免知情同意。
图像去标识化：BRPC 完成切片数字化 + 去标识化。
元数据去标识化：REDCap 采集 → PRCC → honest broker 去标识化。
开放发布：按 NIH 政策，CC BY-4.0 + restricted 挂 Zenodo。
版本管理：概念 DOI 统领 + 分卷发布（Part 1-2 / Part 2-1）。

15.2 每一步的「可审计证据」

步骤	可审计证据	本条目是否已捕获
IRB 审批	IRB 编号 Pro00117942	是（Zenodo 描述）
豁免同意	waiver of consent 声明	是（Zenodo 描述）
图像去标识化	BRPC 负责声明	是（Zenodo 描述）
元数据去标识化	honest broker 声明	是（Zenodo 描述）
开放许可	CC BY-4.0	是（Zenodo 字段）
资助合规	NIH R01DK131491	是（Zenodo grants）
版本链	concept DOI	是（Zenodo API）

结论：CoMPAS 是本库内合规可审计证据最完整的条目之一——这正是它「许可与合规满分、
数据工程分低」画像的成因。

15.3 复用方的自检清单

[ ] 我是否已获得 Zenodo 文件访问授权？
[ ] 我的用途是否落在 CC BY-4.0 允许范围（署名 + 可再分发）？
[ ] 我所在机构对「豁免知情同意」数据的二次使用有何规定？
[ ] 我是否已正确署名（Sana Syed + DOI）？
[ ] 我是否已确认元数据字段与我的任务匹配？
[ ] 我是否已记录溯源（DOI/concept DOI/访问日期）？

§16 结语：一份「小而真」的临床开放资产

CoMPAS GI Histopathology Part 1-2 在规模上并不惊人（~550 张 / ~500 GB），在文档上并不丰富
（无论文、无数据字典），在获取上并不便利（restricted）。但它真实、可核验、合规清晰、许可宽松，
并且完整记录了一条从临床归档到公共开放的合规链路。对于千方病案医数集这样面向 AI-Ready
的数据图谱而言，这类条目恰恰是「基础设施级」的——它们不是最亮眼的训练语料，却是理解
临床数据如何合法进入 AI 生态的最佳样本。

附录 H：Zenodo 记录元数据逐字段登记

字段	值
id (recid)	21810305
conceptrecid	21810304
doi	10.5281/zenodo.21810305
conceptdoi	10.5281/zenodo.21810304
title	CoMPAS GI Histopathology Part 1-2
publication_date	2026-08-05
created	2026-08-11T22:51:22
modified	2026-08-11T22:51:22
version	1.0.0
language	eng
resource_type	Dataset
access_right	restricted
license.id	cc-by-4.0
creators	Syed, Sana (Duke University)
keywords	CoMPAS; Crohn’s disease; ulcerative colitis; inflammatory bowel disease; IBD; GI; histopathology; ileum; H&E
grants	R01DK131491（NIH）
files	[]（空数组，文件未公开挂载）
revision	4
status	published
submitted	true
views	24
unique_views	22
downloads	0
version_downloads	0

附录 I：姊妹卷 Part 2-1 元数据对照

字段	Part 1-2（本卷）	Part 2-1（姊妹卷）
Zenodo recid	21810305	21792234
标题	CoMPAS GI Histopathology Part 1-2	CoMPAS GI Histopathology Part 2-1
发布日期	2026-08-05	2026-08-04
版本	1.0.0	1.0.0
许可	CC BY-4.0	CC BY-4.0
访问	restricted	restricted
资助	R01DK131491	R01DK131491
机构	Duke University	Duke University
描述	同一段 Duke BRPC 说明	同一段 Duke BRPC 说明

解读：两卷共享完全相同的项目级描述，差异仅在标题分卷号与发布日。这一点强化了
「分卷是同族平行发布」的判断。

附录 J：项目（CoMPAS）关键事实登记

项	值	来源
项目全称（口径一）	Crohn’s Machine Learning Predictions and Single Cell Analysis (CoMPAS)	Duke Research node/802
项目全称（口径二）	Predicting Clinical Phenotypes in Crohn’s Disease Using Machine Learning and Single-Cell 'omics (CoMPAS)	Scholars@Duke 309567
PI	Sana Syed	Scholars@Duke
PI 单位	Pediatrics, Gastroenterology, Hepatology and Nutrition	Scholars@Duke
资助机构	NIH	Scholars@Duke / Zenodo
资助编号	R01DK131491	Zenodo
起止	2025-05-01 至 2027-04-30	Scholars@Duke
协议号	PRO00117942	Duke Research / Zenodo
入组年龄	2-21 岁	Duke Research
阶段	Phase 0	Duke Research
入组状态	Pending Open to Enrollment	Duke Research
研究目标	预测 IBD 未来病程、理解 IBD 发生机制	Duke Research
采样	内镜时从肠道 3 个不同部位额外取活检	Duke Research
联系邮箱	alex.hammett@duke.edu	Duke Research

附录 K：数据集语义标签矩阵

维度	值	确定性
L1 域	医学影像	高
L2 域	病理图像	高
模态	全切片组织病理图像（WSI）	高
染色	H&E	高
器官系统	胃肠道（GI）	高
具体部位	回肠（ileum，关键词级）	中（逐张未证）
疾病	炎症性肠病（IBD）	高
亚型	克罗恩病 / 溃疡性结肠炎	高
队列	儿科/青年（2-21 岁）	中（项目级）
附带数据	去标识化患者元数据	高
标注	未披露	低
任务	未声明	低

附录 L：与库内条目差异矩阵

维度	CoMPAS（本条）	Unitopatho(701)	GastroVision(203)
模态	组织病理 WSI	组织病理 WSI	内镜图像
器官	胃肠道/回肠	结肠/胃	胃肠道
疾病	IBD	肿瘤/炎症	多类
规模	~550 张	~9000 张	多类图像
许可	CC BY-4.0	依原集	依原集
访问	restricted	公开	公开
论文	无	有	有

附录 M：引用与署名模板

学术引用（APA 风格）：

Syed, S. (2026). CoMPAS GI Histopathology Part 1-2 (Version 1.0.0)
    [Data set]. Zenodo. https://doi.org/10.5281/zenodo.21810305

BibTeX：

@dataset{syed_2026_compas,
  author    = {Syed, Sana},
  title     = {CoMPAS GI Histopathology Part 1-2},
  year      = 2026,
  publisher = {Zenodo},
  version   = {1.0.0},
  doi       = {10.5281/zenodo.21810305},
  url       = {https://doi.org/10.5281/zenodo.21810305}
}

署名要求（CC BY-4.0）：任何复用须保留作者署名（Sana Syed）、数据集名、版本号、DOI，并注明
是否做过修改。

附录 N：常见误解速查

误解	事实
「CoMPAS 是一个数据集」	CoMPAS 是一个研究项目，数据集是其产品之一
「Part 1-2 是全集」	它只是一个分卷，同族另有 Part 2-1
「CC BY-4.0 = 能直接下载」	许可宽松但访问受限，需登录申请
「550 张就是本卷张数」	550 张是项目级总量，本卷实际量未知
「有 IBD 关键词就有 IBD 标签」	关键词是主题词，不等于逐图标签
「downloads=0 说明没人用」	受限记录下载数天然为 0
「有论文」	官方明确尚无稿件
「含单细胞数据」	项目含单细胞模块，但本数据集不含

附录 O：时间轴一览

日期	事件
2025-05-01	NIH 资助项目开始（Scholars@Duke）
2026-07 中旬	BRPC 计划完成图像准备
2026-08-04	姊妹卷 Part 2-1 发布（Zenodo 21792234）
2026-08-05	本卷 Part 1-2 发布（Zenodo 21810305）
2026-08-11	本记录元数据最后修改（revision 4）
2027-04-30	NIH 资助项目结束
待定	配套论文（“in advance of a manuscript being prepared”）

附录 P：本条目编纂说明

编辑原则：一切以 Zenodo 官方记录（HTML + API）为最高权威；辅以 Duke 官方研究页与资助页
三源互证；官方未披露者一律标注「未披露」，不做臆测填充。
命名处理：侦察代称「CoMPAS」经核证为项目名，官方数据集标题为
CoMPAS GI Histopathology Part 1-2；slug 保留 compas-gi-histopathology，全文身份引用以官方
全名为准。
双口径：凡遇口径差异（署名角色、发布日期、项目展开、规模归属），均逐条存照（见 §10.1）。
更新触发点：配套论文发布、新增分卷、访问级别变更（restricted→open）、元数据字段披露时，
须修订本条目。

附录 Q：扩展存照与待办追踪表

#	事项	当前状态	处理建议
1	配套论文	未发布（稿件准备中）	定期检索 DOI/项目名，发布后补方法学章节
2	本卷实际切片数	未披露	获授权后由元数据行数反推并更新
3	图像格式/倍率	未披露	获授权后检查文件头（SVS/NDPI/TIFF）
4	标注类型	未披露	获授权后核查是否含 mask/ROI
5	元数据字段清单	未披露	获授权后导出列名并补附录
6	是否含 Part 1-1 / 2-2	未确证	检索 concept DOI 关联的全部 recid
7	分卷划分依据	未披露	待官方说明或论文披露
8	单细胞组学配对	未披露	追踪 CoMPAS 项目组学数据发布
9	文件审批门槛	未实测	提交一次访问申请以记录流程
10	访问级别变更	restricted	监测是否转为 open
11	患者级数量	未披露	与元数据字段披露一并更新
12	是否覆盖多解剖部位	未披露	关键词仅给 ileum，逐张部位待证

附录 R：本条目与千方病案医数集元数据规范映射

千方字段	本条目取值	依据
url_name (slug)	compas-gi-histopathology	任务头正选候选
title	CoMPAS GI Histopathology Part 1-2	Zenodo 官方标题
category_tags	医学影像 / 病理图像 / 图像分类 / 肿瘤学 / 结直肠癌 / 多模态	受控词表
data_tags	影像数据 / 原始数据 / 临床数据	内容性质
patient_tags	儿科 / 成人	项目页 2-21 岁
license	CC BY-4.0；访问 restricted	Zenodo 字段
data_source	Duke BRPC（经 IRB Pro00117942、豁免同意）	Zenodo 描述
patient_count	约 550 张 WSI；患者数未披露	Zenodo 描述

映射说明：category_tags 中的「结直肠癌」为受控词表内与消化道病理最邻近的疾病标签；
本数据集主题为 IBD（非肿瘤），使用时须在正文明确其非肿瘤属性，避免标签误导（见 §10 坑 5）。

维度	内容
本质	杜克大学 CoMPAS 项目的一个公开发布分卷（Part 1-2），非完整数据集整体
官方名	`CoMPAS GI Histopathology Part 1-2`（Zenodo 记录标题）
团队	Duke University · The Syed lab（编者 Sana Syed，MD，儿科胃肠病学）
项目	CoMPAS = Crohn’s Machine Learning Predictions and Single Cell Analysis（Duke IRB Pro00117942）
资助	NIH R01DK131491（2025-05-01 至 2027-04-30）
数据	约 550 张 H&E 全切片，~500 GB，胃肠/IBD/回肠；+ 去标识化患者元数据（Excel/.csv）
疾病	炎症性肠病 IBD——克罗恩病、溃疡性结肠炎
来源机构	Duke BioRepository and Precision Pathology center（BRPC），临床归档
许可	CC BY-4.0
获取	Zenodo 记录公开，文件受限（restricted），需登录申请；无关联论文、无代码
姊妹卷	CoMPAS GI Histopathology Part 2-1（Zenodo 21792234，2026-08-04）
DOI	10.5281/zenodo.21810305（concept：10.5281/zenodo.21810304）
评价定位	一份合规先行、元数据极简的归档临床病理开放数据集：许可宽松、门槛在访问层