信息速览

数据集名称LEOPARD — 前列腺癌病理切片复发预测挑战 AI-Ready Wikipedia

数据类型人工标注,原始数据,影像数据

规模训练集 508 例（Radboudumc）；页面全量口径 1,431 例；summary paper 终评队列 2,181 例四国

接入方式Radboudumc 前列腺根治术 H&E WSI（pyramidal TIF，2 TB）——删失生存标签 CSV（event+follow_up_years）

AI 就绪度

INFOBOX：leopard 速览

字段	值
数据集	LEOPARD Challenge Dataset（H&E 前列腺根治术 WSI）
全称	LEarning biOchemical Prostate cAncer Recurrence from histopathology sliDes
主办	Radboudumc DIAG Nijmegen（Khrystyna Faryna 执行主持、Geert Litjens 主题演讲）——GC 平台开发方
任务	从 H&E WSI 预测 time-to-BCR（生化复发时间）——弱监督单输出生存预测
模态	H&E 染色 WSI（单模态千兆像素）
规模	训练 508 例/2 TB（pyramidal TIF）+验证 99+测试 824=1,431（页面口径）；终评队列 2,181 例四国（summary paper 口径）
标签	event（0/1）+follow_up_years（年）——删失生存格式 CSV
可获取性	AWS Registry 无账户直下（s3://leopard-challenge，us-west-2）——六条挑战赛型最高档
评估	C-index（删失一致性指数）：AI 0.740 ≈ ISUP 分级 0.739 < CAPRA-S 0.785；融合 0.766/0.799
参与统计	16 队参赛/9 模型终评（summary paper）——Paicon 新闻稿"hundreds of teams"为夸大存照
学术出口	summary paper@MIDL 2026 Short Papers（已发表）；challenge journal paper+baseline paper 在途（禁运钥匙）
许可	CC BY-NC-SA 4.0+publication embargo
时间线	2024-02-19 SPIE 宣布→10-06 MICCAI 2024 workshop 宣奖——单年 7.5 个月闭环
后继	CHIMERA（多模态融合，rid 633）与 OWL（可解释性，rid 635）——训练集被 OWL 逐字复用
DAIMS	~7.4（可获取性最高档对冲禁运+页面极简）

LEOPARD：从病理切片读出生化复发时钟——Radboud 生存预测三代线的源头

§0 条目定位

本条目是GC 挑战赛五连（531-535）后的补库条目：LEOPARD 在 535 OWL 条目中作为"训练集逐字同源的前作"被引用（508 例同源+五阶段 C-index 资格线的设计前身），在 533 CHIMERA 条目中作为官方推荐预训练源被引用——前作锚密度最高的"被引用体"，本次补库使三代线互链网络正式收口
Radboud 生存预测三代线（本条目核心叙事）：
- 第一代 LEOPARD（2024，本条目）：单模态 H&E WSI→time-to-BCR——"自动预测"形态
- 第二代 CHIMERA（2025-26，rid 633）：四模态（WSI+mpMRI+RNA-seq+临床）→多任务生存/分级——"融合升级"形态
- 第三代 OWL（2026-27，rid 635）：同数据+解释输出（归因图+报告）+人类评审——"可解释性"形态
- 三代同问一个临床问题（前列腺癌术后 BCR 预后），任务形态逐代升维——"数据不动问题升级"谱系的完整标本
条目身份：挑战赛型数据资产（第五类数据形态）；任务谱系第六族（生存分析）的 WSI 单模态极简样本——对照 CHIMERA 四模态、OWL 预测+解释双通道
AI-Ready 视角三大看点：①可获取性最高档（AWS 无账户直下——六条挑战赛型中与 CHIMERA 并列的 Registry 完备型，且同数据在 OWL 侧是注册墙）；②诚实刻度（AI 0.740 撞平病理分级 0.739、未超 CAPRA-S 0.785——融合才增益）；③MIL 范式统治实证（13 支参赛队全员多示例学习变体）

§1 多义名消歧：一个名字的四重世界

医学域内三重撞名——比 535 OWL 的跨域撞名（Web Ontology Language/CAMEL-AI 智能体框架）更难检索，因为撞名者全在医学/科学出版域：
- leopard-project.eu：欧洲肝移植等待名单 AI 分配算法项目——用 MELD 改良模型预测 DC（失代偿肝硬化）/HCC（肝细胞癌）患者死亡或退出风险，2026 年启动 PVC1 前瞻验证（NCT0623275 口径约 600 例/30 家医院）——与病理 WSI 毫无交集但同在"AI+预后"域
- LEOPARD trial（胰腺外科）：荷兰胰腺癌微创 vs 开放远端胰腺切除 RCT（van Hilst 等，BJS 2018，PMID 31012498）——外科 RCT 形态
- LEOPARD trial（放射肿瘤）：意大利局部晚期 NSCLC durvalumab 时代真实世界复发模式研究（Ciammella 等，Lung Cancer 2025）——肿瘤内科研究形态
- LeOpard Racing：MotoGP 车队（Fabio Quartararo/Joan Mir 曾效力）——完全域外
判别锚三条件（GC 核查模板 v1.6 消歧条款第三次实战）：
- ①GC 子域：leopard.grand-challenge.org 位于 GC 平台生物医学影像挑战区
- ②数据载体：前列腺根治术 H&E WSI（肝移植项目无公开影像数据集、两个 trial 是临床试验非数据资产）
- ③评估形态：C-index 生存预测（RCT 用 OS/PFS 临床终点、肝移植项目用 MELD 评分）
检索实践记录：Google 直接搜"LEOPARD challenge"会混入三个医学 trial+车队；限定词组合 “LEOPARD grand-challenge Radboud” 或 “LEOPARD biochemical recurrence histopathology” 才能命中——消歧词即权威锚
缩写工艺：LEOPARD 六个字母内嵌于全称词中（LEarning biOchemical Prostate cAncer Recurrence from histopathology sliDes）——与 531 LMC2（Light My Cells）同款"首字母散布"命名，区别于 CHIMERA 的缩略词首拼
动物本义：豹（Panthera pardus）——条目视觉资产（封面）以豹纹隐喻千兆像素纹理

§2 临床背景与立项假设（主页完整引用链）

流行病学底座：前列腺癌年新发 140 万（H. Sung 2021, CA Cancer J Clin）——男性第二大癌；相当比例患者接受前列腺根治术（prostatectomy）为唯一治愈性治疗
术后监测机制：PSA（前列腺特异抗原）血液浓度——成功手术 4-6 周内 PSA 应降至检测限以下（<0.1 ng/mL，Goonewardene 2014）；PSA 在筛查中的价值有争议（Clark 2018/Heijnsdijk 2018）但术后随访价值确立——PSA 回升=生化复发（BCR）的操作性定义
BCR 的预后意义：约 30% 患者术后经历 BCR（Amling 2014/Freedland 2005/Han 2001/Van den Broeck 2001 引用链）——BCR 是临床转移与前列腺癌死亡的前哨指标；AWS Registry 页另一口径"高达 40%/10 年"——双口径并存（引用时并列呈现）
现行风险分层工具：ISUP 分级（Grade Group 1-5）+诊断时 PSA+TNM 分期（Epstein 2016）——欧洲共识三档风险组（低/中/高危，Mottet 2021）；高 ISUP 独立归组（2/3→中危、4/5→高危）
ISUP 的两大局限（立项动机原句）：
- ①评级者分歧（grading disagreement among pathologists——Epstein 2016）
- ②形态描述粗糙（coarse descriptors of tissue morphology）
- Gleason 生长模式是 ISUP 分组的形态学基础（Epstein 2010/Pierorazio 2013/van Leenders 2020）——三级五步体系压缩了千兆像素尺度上的形态信息
深度学习先行证据（立项合法性）：Pinckaers 2022（Communications Medicine）与 Eminaga 2024（npj Precision Oncology）分别证明 DL 可从病理切片预测 BCR——LEOPARD 的假设句：“Hypothesizing that deep learning could uncover finer morphological features’ prognostic value”——不止复刻 ISUP，而是挖掘分级体系之外的精细形态特征
任务公式的临床转译：输入=术后常规 H&E 切片（每例前列腺癌切除标本必有）→输出=time-to-BCR（年）——若成功，术后即可给出个体化复发时钟，支撑辅助治疗（adjuvant therapy）决策的个体化

§3 任务定义：单输出极简型弱监督生存预测

任务：从 H&E 染色前列腺根治术 WSI 预测 time to biochemical recurrence（TTR，年）——官方目标句：“to yield top-performance deep learning solutions to predict the time to biochemical recurrence from H&E-stained histopathological tissue sections, i.e. based on morphological features”
输入输出形态（三代线对照）：
- 输入：单模态 H&E WSI（千兆像素金字塔）——无 RNA-seq（CHIMERA 才加）、无多序列 MRI、无临床变量
- 输出：单连续变量 TTR（年）——无风险三档（OWL 才加）、无归因图、无报告
- 三代线中输入输出最简形态——纯"切片→时钟"
弱监督设定：patient-level labels only——training_labels.csv 三字段：case_id (str)/event (int, 0=无复发 1=复发)/follow_up_years (float, 复发时间或末次随访年)——标准删失生存格式；无区域/像素级标注——删失（censoring）进入标签本体：未复发患者的"时间"是末次随访而非真实复发时刻，评估必须用删失感知指标（C-index）
与 OWL 的弱监督强约束呼应：OWL 禁止用区域金标训练（保科学发现纯度），LEOPARD 是"本就没有"——三代线的弱监督是传承而非发明
任务谱系定位：分割（LMC2/TopBrain/OWL 归因）→生成→分类→检测→文本→生存（第六族）——本条目是第六族的单模态极简样本（对照 CHIMERA 四模态满配）

§4 数据集：三口径三重奏（本条目最大发现）

挑战赛页口径（1,431 例）：
- 训练集 508 例——全部 Radboudumc（荷兰），每例独立患者——2024-04-18 发布
- 验证集 99 例——2024-07-03 随验证排行榜开放
- 测试集 824 例——2024-07-14 随测试排行榜开放（赛时隐藏标签）
- 508+99+824=1,431
summary paper 口径（2,181 例四国）：MIDL 2026 short paper 摘要逐字——“benchmarked AI models to predict time to BCR directly from H&E-stained prostatectomy slides using 2,181 cases from four countries”——比页面口径多 750 例；四国=荷兰+德国（Aachen/Cologne）+法国（Rennes）+意大利（summary paper 作者名单病理学家机构推断）——多中心扩展终评队列在赛后论文才显形——挑战赛页从未披露完整评估集构成
OWL workshop 口径（1,419 例三中心）：CVPath workshop 官网（535 存照）——与 1,431 差 12——三个口径构成"同一数据族的三种剪影"
训练集格式细节：
- pyramidal TIF（金字塔多分辨率分块）——第 0 层全分辨率、逐层 4× 降采样
- 多数 WSI 由多张切片拼装（multi-slide packed）——一例患者的多张玻片打包进一个文件——"病例为最小数据单元"的设计（非"玻片"）
- 训练数据共 2 TB
AWS Open Data Registry 存档（可获取性最高档证据链）：
- ARN：arn:aws:s3:::leopard-challenge（us-west-2）
- 无账户直下：aws s3 ls --no-sign-request s3://leopard-challenge/
- Registry 描述：“contains the all data for the … LEOPARD challenge”+资源表"H&E stained prostatectomy whole slide images with corresponding labels of recurrence event evidence (1/0) and time to recurrence or last followup in years"
- Managed By：Radboud University Medical Center；License：CC BY NC SA
- 工具资源：ASAP Viewer by Geert Litjens（阅片工具同源署名）——组织者工具链自举
测试集赛后去向存照：Registry 声称"all data"，但测试标签赛后是否全量开放未逐桶验证——引用时以"训练集公开无疑、评估集构成以 summary paper 口径为准"处理

§5 时间线：九节点单年闭环

节点	日期	事件
1	2024-02-19	SPIE Medical Imaging 宣布
2	2024-03-09	MICCAI 2024 官方接收（satellite event，摩洛哥马拉喀什）
3	2024-03-26	USCAP（美国-加拿大病理学年会上游）宣布
4	2024-04-18	训练集发布+注册开放
5	2024-07-03	验证集+验证排行榜开放
6	2024-07-14	测试集+测试排行榜开放
7	2024-08-18	提交截止
8	2024-08-28	决赛邀请（finalists）
9	2024-10-06	MICCAI 2024 workshop 宣奖（Palmeraie Rotana Resort, Room Jade, Marrakesh；16:00-18:00）

2-19 宣布→10-06 宣奖=7.5 个月全程——GC 六条挑战赛型中最快的单年闭环（对照 CHIMERA 双年赛程/autoPET V 跨年三阶段）
三平台宣传矩阵：SPIE（影像计算社区）+MICCAI（医学影像计算顶会）+USCAP（病理学社区）——跨社区双向引流：算法社区拉队伍、病理社区拉数据权威
workshop 宣奖细节：海报区在 Conference Center building, Room Atlas——“The results and materials will be made publicly available after the workshop”（赛后公开承诺）
与后继的时间勾连：宣奖后 2027-01 OWL 接棒（同数据+解释任务）、2025-26 CHIMERA 扩模态——三代线时间轴 2024→2026-27 顺次展开

§6 评估体系：C-index 三级对照阶梯与融合增益（evaluation 页 404 的替代锚）

evaluation 页 404——页面极简型（对照 535 存照）；评估协议以 summary paper 为唯一硬锚
指标：C-index（Harrell concordance index）——删失生存数据的一致性指数：随机抽取一对患者，模型给"更早复发者"更高风险的概率——删失感知（未复发患者仍参与配对比较）；与 533 CHIMERA 同指标谱系（CHIMERA 的 C-index 0.65 资格线设计承自本条目的评估实践）
summary paper 核心数字（MIDL 2026 Short Papers Poster，OpenReview bW5oerBwg8）：
- 16 队参赛/9 模型入选终评（final evaluation 遴选制——不是全员终评）
- Top AI C-index 0.740 ≈ 病理分级（histopathological grading）0.739 < CAPRA-S 0.785
- AI+病理分级=0.766；AI+CAPRA-S=0.799——“significantly enhancing BCR risk prediction”
三级对照阶梯的方法学含义：
- 第一级：AI（0.740）与 ISUP 分级（0.739）统计打平——"AI 挖掘精细形态特征"的假设部分兑现：单靠形态学就能撞平人类分级的判别力
- 第二级：CAPRA-S（0.785）仍领先——临床量表融合了分级+PSA+切缘等非形态信息——纯形态学模型未超越
- 第三级：融合增益为真——AI+分级 +0.026、AI+CAPRA-S +0.059——AI 与现行工具信息互补而非替代——本条目的可迁移结论
对照 533 CHIMERA"屠榜悖论"：CHIMERA 是"临床单模态屠榜+多模态增益消失"（负例），LEOPARD 是"AI 撞平病理工具+融合增益为正"（半正例）——挑战赛评估文献的两种诚实刻度
终评之外：验证集（99 例）07-03 开放供赛前自评——两段式放榜（验证榜→测试榜）防止测试过拟合——GC 平台标准设计

§7 参赛方法生态：13 支队伍全员 MIL（范式统治实证）

workshop 节目单全录（2024-10-06, Room Jade）：
- 16:00-16:20 主题演讲：AI for Prostate Pathology（Prof. Geert Litjens）
- 16:20-16:30 Challenge Setup（Khrystyna Faryna）
- 16:30-16:40 MEVIS-ProSurvival（Till Nicke, Raphael Schäfer, Lars Ole Schwen, Johannes Lotz——Fraunhofer MEVIS）：foundation models 路线——首位 oral 演讲
- 16:40-16:50 HITSZLab（Songhan Jiang, Zijie Fang, Xiangming Yan, Qi Ouyang, Yongbing Zhang——哈工大深圳）：MIL+WSI
- 16:50-17:00 AIRAMatrix（Surya Achanta, Raja Fida, Owaish, Aditya Vartak, Nilanjan Chattopadhyay, Nitin Singhal）：TransMIL+modified MSE loss
- 17:00-17:10 Paicon（Witali Aswolinskiy, Christian Aichmüller）：AB-MIL——官方新闻稿明确 2nd place
- 17:10-17:20 MartelLab（Matthew McNeil, Anne Martel——多伦多）：Gleason 自动分级中间解释——可解释路线先声
- 17:20-17:30 Results Announcement and Awards Ceremony（Khrystyna Faryna）
- 17:30-18:00 Poster Session
Poster 八队：iMoonLab（清华，PathHG 病理超图——Yue Gao 组）、KatherLab（TU Dresden，Transformer correlated MIL——Jakob Kather 组）、QuIIL（Doanh C. Bui 等——自述 6th）、IUComPath（宾大，Thinking Fast & Slow 两阶段 MIL——Spyridon Bakas 组；UNI 特征+CLAM 预处理+Cox 层，内部 C-index 0.733/验证集 0.603）、SoftwareMill（SoftMIL——Kamil Rzechowski）、SmileLab（Xulin Chen/Junzhou Huang，Transformer MIL）、BioMediA（MAC-MIL multi-head attention-challenging——Mohammad Yaqub 组）、agaldran（Adrian Galdran，Ranked Probability Loss+non-uniform label smoothing）
范式统治结论：oral+poster 共 13 支队伍的方案全部落在 MIL（多示例学习）谱系——AB-MIL/TransMIL/超图/Transformer 相关性/两阶段/attention-challenging 变体齐全——WSI 弱监督生存预测的默认范式就是 MIL：bag=WSI、instance=tile、bag-level label=event+time——对照 535 OWL 参赛方案同样 MIL 底座
冠军存照：官方名单未明文确认第一名；旁证链=①MEVIS-ProSurvival 首位 oral（惯例给冠军）；②Paicon 新闻稿明确 2nd；③QuIIL 自述 6th（poster）——oral 五队疑即名次前五——条目写作以旁证链呈现不下断言
方法损失函数谱系：Cox 部分似然（IUComPath）→modified MSE（AIRAMatrix）→Ranked Probability Loss+非均匀标签平滑（agaldran）——TTR 回归的损失函数三条路线（附录 I 展开）
基础模型采用：MEVIS-ProSurvival（foundation models）+IUComPath（UNI 特征）——2024 年已是"预训练基础模型+MIL 头"的双层架构——对照 CHIMERA baseline 的 UNI 迁移、OWL 规则的外部预训练允许条款

§8 组织团队：50 人作者天团与 Faryna 三连线

summary paper《Predicting Biochemical Recurrence from Prostatectomy Slides—the LEOPARD Challenge》（MIDL 2026 Short Papers）署名 49 人显示+31 位 additional=约 50 位作者——挑战赛型条目作者规模第二（对照 532 TopBrain 43 人组织方全明星）
角色分工解剖（从署名序与机构推断）：
- 第一作者 Khrystyna Faryna（Radboudumc）——挑战赛执行负责人：Challenge Setup+宣奖主持+summary paper 一作
- 末位作者 Geert Litjens（Radboudumc DIAG 掌门）——通讯惯例位+主题演讲+ASAP Viewer 开发者
- 方法组：Hans Pinckaers（2022 先型论文作者）、Jeroen van der Laak、Joep Bogaerts、Nefise Uysal、Clément Grisi（Radboud 计算病理组）
- 临床病理协作（四国证据）：Solène-Florence Kammerer-Jacquet+Pierre Allaume（法国 Rennes）、Yuri Tolkach+Reinhard Buettner+Sofiya Semko+Maksym Pikul（德国 Aachen）、Axel Heidenreich+Adam Kowalewski（德国 Cologne，泌尿外科）、Vittorio Agosti+Paulo G. de Oliveira Salles+Enrico Munari（意大利）、Leslie Tessier+Frédérique Meeuwsen+Jolique van Ipenburg（荷兰，数据协调）——四国终评队列的组织网即作者网
- 参赛队代表全员入署：13 队核心成员（Nicke/Lotz、McNeil/Martel、Aswolinskiy/Aichmüller、Fang/Jiang/Yan/Ouyang/Zhang、Achanta 等、Zhang/Kutzer/Laleh/Kather、Bui 等、You 等/Bakas……）——"参赛者进 summary paper 署名"的开放合作范式（对照组织方独署型）
Faryna 同人三连线（库内人物线最长）：LEOPARD（本条，执行负责人+主持）→OWL（rid 635，组织者）→CVPath@WACV 2027（workshop 组织者）——同一人物串联三代线的两代+下一站学术出口
Litjens 双角色：学术掌门（主题演讲）+工具供给（ASAP Viewer）——组织者即生态建设者
平台底座：Radboudumc Technology Center（RTC）——GC 平台开发维护方（535 存照沿用）——LEOPARD 是"主办方=平台东家"家族的又一实证

§9 库内定位

任务谱系第六族（生存分析）的 WSI 单模态极简样本——六族覆盖至此完成"单模态生存→多模态生存→可解释生存"的族内细分
评估体系第二形态的诚实刻度样本：C-index 单指标+三级对照阶梯（AI/病理/临床量表）——对照五形态合卷（SSIM+rank/四件套/C-index 屠榜悖论/AUC 双指标/五阶段漏斗）
可获取性光谱最高档：AWS Registry 无账户直下+Registry 自描述完备——与 533 CHIMERA 同档；同数据跨平台双档（LEOPARD AWS 直下 vs OWL GC 注册墙）——535"名义档 vs 实际档"分离的旁路本体
DAIMS 预估 ~7.4：可获取性 9（AWS 直下+CC BY-NC-SA+2 TB 全公开）/文档 8（主页+data+timeline+Registry 自描述完备；evaluation 页缺席扣分）/可复现 7（训练集+标签+summary paper 全数字公开；测试标签未确认+baseline 未出）/标注 7（删失生存格式标准；patient-level 弱监督固有上限）/伦理 6（IRB 未披露）——评分卡见附录 H
三线互链网络：本条目上线后——rid 636 LEOPARD ↔ rid 633 CHIMERA（官方推荐预训练源）↔ rid 635 OWL（508 例逐字同源+C-index 资格线前身）——Radboud 生存预测三代线在库内完整闭环

FAQ：24 问直答

Q1：LEOPARD 是什么的缩写？
LEarning biOchemical Prostate cAncer Recurrence from histopathology sliDes——“从病理切片学习前列腺癌生化复发”。六个大写字母内嵌在全称单词中（非首字母缩略），与 Light My Cells 同款命名工艺。

Q2：这个挑战赛要解决什么临床问题？
前列腺癌根治术后约 30% 患者会生化复发（BCR，PSA 回升为标志），现行风险分层（ISUP 分级+PSA+TNM）有评级者分歧和形态描述粗糙两大局限。LEOPARD 让 AI 直接从术后常规 H&E 切片预测"到生化复发还有多久"。

Q3：任务输出是什么？
单一连续变量：time to biochemical recurrence（年）。没有分类头、没有区域标注输出——三代线中最简形态。

Q4：数据规模到底是多少？为什么有三个数字？
训练集 508 例（Radboudumc）+验证 99+测试 824=1,431（挑战赛页口径）；summary paper（MIDL 2026）披露终评队列 2,181 例四国；OWL workshop 官网口径 1,419 例三中心。三口径并存——评估集构成官方从未完整披露。

Q5：训练集怎么下载？要注册吗？
不用注册。AWS Open Data Registry 无账户直下：aws s3 ls --no-sign-request s3://leopard-challenge/（us-west-2）。六条挑战赛型条目中可获取性最高档。

Q6：数据什么格式？多大？
pyramidal TIF 金字塔格式——第 0 层全分辨率逐层 4× 降采样；多数 WSI 由多张切片拼装进一个文件；训练数据共 2 TB。

Q7：标签长什么样？
training_labels.csv 三字段：case_id（字符串）、event（0/1，是否复发）、follow_up_years（浮点，复发时间或末次随访年）——典型删失生存格式。

Q8：评估指标是什么？为什么不用 Dice 或 AUC？
C-index（Harrell 一致性指数）——删失生存数据专用：模型给"更早复发者"更高风险的概率。随访会截断（患者可能还没复发就失访），必须用删失感知指标。

Q9：AI 打赢了病理学家吗？
没有，也没输。Top AI C-index 0.740，病理分级（ISUP）0.739——统计打平；临床量表 CAPRA-S 0.785 仍领先。但 AI+分级=0.766、AI+CAPRA-S=0.799——融合才有真增益。

Q10：谁赢了比赛？
官方名单未明文披露冠军。旁证：MEVIS-ProSurvival（Fraunhofer MEVIS，基础模型路线）获首位 oral 演讲；Paicon 官方新闻稿明确第 2 名；QuIIL 自述第 6。oral 五队疑即名次前五。

Q11：多少队伍参赛？
summary paper 口径 16 队参赛、9 个模型入选终评。Paicon 新闻稿"hundreds of teams"是夸大——二手信源数字膨胀案例。

Q12：参赛队伍都用什么方法？
13 支公开方案全部是 MIL（多示例学习）变体：AB-MIL、TransMIL、超图、Transformer 相关性、两阶段、attention-challenging……WSI 弱监督生存预测的默认范式。

Q13：badge 多少奖金？
未披露。规则页无奖金信息——GC 六条挑战赛型中与 OWL（数额未披露）同档的存照缺口。

Q14：数据可以用吗？有什么限制？
训练集 CC BY-NC-SA 可自由用于非商业研究；但 publication embargo 生效中——challenge journal paper 和 baseline journal paper 都发表之前，连非参赛者用公开训练集独立发文都受限（要求引用 challenge publication）。

Q15：LEOPARD 和 OWL 是什么关系？
OWL 的训练集 508 例与 LEOPARD 逐字同源（OWL 数据页直接跳转 LEOPARD 下载页），任务从纯预测扩展到预测+解释四件套，出口从 MICCAI 换轨 WACV CVPath。数据不动，问题升级。

Q16：LEOPARD 和 CHIMERA 是什么关系？
同为 Radboudumc DIAG 主办的前列腺癌生存预测挑战赛。CHIMERA 扩展为四模态（WSI+MRI+RNA-seq+临床）多任务，并把 LEOPARD 列为官方推荐预训练源。三代线第二代。

Q17：跟肝移植的 leopard-project.eu 是一回事吗？
不是。欧洲有三个医学项目同名 LEOPARD：肝移植 AI 分配项目（leopard-project.eu）、胰腺癌微创手术 RCT（BJS 2018）、NSCLC durvalumab 真实世界研究（Lung Cancer 2025）——检索时须加"grand-challenge Radboud"限定词。

Q18：时间线是怎样的？
2024-02-19 SPIE 宣布→03-09 MICCAI 接收→04-18 训练集发布→07-03 验证榜→07-14 测试榜→08-18 截止→10-06 MICCAI workshop 宣奖——单年 7.5 个月闭环。

Q19：为什么说它是"诚实刻度"样本？
summary paper 公开了 AI 未超越临床量表的完整阶梯（0.740 vs 0.785），而不是只报融合后的最好数字——挑战赛论文少见的全刻度披露。

Q20：CAPRA-S 是什么？
Cancer of the Prostate Risk Assessment Post-surgical——术后前列腺癌风险评估临床量表，融合病理分级、切缘状态、PSA 等多变量。本条目中它是 AI 的对照上限（0.785）与融合伙伴（0.799）。

Q21：多切片拼装（multi-slide packed）是什么？
一例患者的多张玻片打包进一个 WSI 文件——病例（case）而非玻片（slide）是数据最小单元。处理时需在金字塔内先分片再聚合。

Q22：验证集和测试集为什么要分两次开放？
07-03 开验证榜供赛前自评调参，07-14 开测试榜做正式排名——两段式放榜防止对测试集的隐性过拟合，GC 平台标准设计。

Q23：summary paper 发在哪？
MIDL 2026（Medical Imaging with Deep Learning）Short Papers track，Poster 展示，OpenReview 可查。这是 journal paper 之外的先行 summary——禁运条款约束的是"独立发表"而非引用。

Q24：为什么它被库内两个条目引用？
CHIMERA 官方推荐其为预训练源（AWS 同载体），OWL 训练集与其逐字同源——LEOPARD 是 Radboud 三代线的数据源头，"数据资产届际复用链"的起点。

事实清单：36 条存照

全称 LEarning biOchemical Prostate cAncer Recurrence from histopathology sliDes——六字母内嵌式缩写
官网 leopard.grand-challenge.org，GC 平台，Radboudumc DIAG Nijmegen 主办
MICCAI 2024 官方挑战赛（2024-03-09 接收，satellite event）
状态：has completed——challenge journal paper+baseline journal paper 发表前禁运生效
训练集 508 例，全部 Radboudumc（荷兰），每例独立患者
验证集 99 例（2024-07-03 开放）；测试集 824 例（2024-07-14 开放）
页面全量口径 1,431=508+99+824
summary paper 口径 2,181 例四国——比页面口径多 750
OWL workshop 口径 1,419 例三中心——与页面口径差 12
四国=荷兰+德国（Aachen/Cologne）+法国（Rennes）+意大利（summary paper 作者机构推断）
training_labels.csv：case_id (str)/event (int 0-1)/follow_up_years (float)
pyramidal TIF——第 0 层全分辨率逐层 4× 降采样
多数 WSI 多切片拼装（multi-slide packed）——病例为最小单元
训练数据 2 TB
AWS Registry：arn:aws:s3:::leopard-challenge，us-west-2，无账户直下
Registry 描述"all data"+Managed By Radboud University Medical Center
License CC BY NC SA（Registry 明示）
工具资源：ASAP Viewer by Geert Litjens
评估指标 C-index——删失生存一致性指数
16 队参赛/9 模型终评（summary paper 逐字）
Top AI C-index 0.740
病理分级（histopathological grading）0.739——AI 统计打平
CAPRA-S 0.785——临床量表仍领先
AI+分级=0.766；AI+CAPRA-S=0.799——融合增益为真
临床背景：前列腺癌 140 万/年（Sung 2021）；PSA<0.1 ng/mL 术后 4-6 周（Goonewardene 2014）
约 30% BCR（挑战赛页）vs 高达 40%/10 年（AWS Registry）——双口径并存
立项假设：“deep learning could uncover finer morphological features’ prognostic value”
DL 先行证据：Pinckaers 2022（Communications Medicine）/Eminaga 2024（npj Precision Oncology）
workshop 2024-10-06 Room Jade Palmeraie Rotana Resort Marrakesh——16:00-18:00
主题演讲 Geert Litjens"AI for Prostate Pathology"20 分钟开场
主持 Khrystyna Faryna（Challenge Setup+宣奖）——Faryna 三连线（LEOPARD/OWL/CVPath）
oral 五队：MEVIS-ProSurvival（首位，疑冠军）、HITSZLab、AIRAMatrix、Paicon（明确 2nd）、MartelLab
poster 八队：iMoonLab（PathHG 超图）、KatherLab、QuIIL（自述 6th）、IUComPath（Thinking Fast & Slow，内部 0.733/验证 0.603）、SoftwareMill（SoftMIL）、SmileLab、BioMediA（MAC-MIL）、agaldran（Ranked Probability Loss）
13 支公开方案全员 MIL 谱系——WSI 弱监督生存的范式统治实证
summary paper 署名约 50 人——参赛队代表全员入署
summary paper 发表于 MIDL 2026 Short Papers（Poster，OpenReview bW5oerBwg8）

术语表：30 条

术语	释义
LEOPARD	LEarning biOchemical Prostate cAncer Recurrence from histopathology sliDes——本条目挑战赛
BCR	Biochemical Recurrence 生化复发——术后 PSA 回升（>0.1 ng/mL）为标志的前列腺癌复发指标
TTR	Time to Recurrence 复发时间——本条目预测目标（年）
C-index	Harrell concordance index——删失生存数据一致性指数：随机患者对中"更早复发者获更高风险"的概率
删失（censoring）	随访截断——患者失访或研究结束时尚未复发，其真实复发时间未知
CAPRA-S	Cancer of the Prostate Risk Assessment Post-surgical——术后临床风险评估量表（分级+切缘+PSA 等）
ISUP 分级	国际泌尿病理学会 Grade Group 1-5——Gleason 模式的现代分组
Gleason 模式	前列腺癌腺体形态分级体系（1-5 级）——ISUP 分组的基础
PSA	前列腺特异抗原——术后监测的核心血液指标
MIL	Multiple Instance Learning 多示例学习——bag=WSI、instance=tile、bag 级标签的弱监督范式
AB-MIL	Attention-Based MIL——注意力池化的多示例学习（Paicon 方案核心）
TransMIL	Transformer 化的多示例学习（AIRAMatrix 方案核心）
CLAM	Clustering-constrained Attention MIL——通用 MIL 预处理框架（IUComPath 采用）
UNI	病理基础模型（Mahmood lab）——IUComPath 特征提取器
基础模型（foundation model）	大规模预训练病理模型——MEVIS-ProSurvival 路线核心
Cox 比例风险模型	生存分析标准回归模型——IUComPath 输出层
Ranked Probability Loss	排名概率损失——agaldran 方案的 TTR 回归损失创新
非均匀标签平滑	对删失不确定性的非均匀处理——agaldran 方案配套技术
金字塔 TIF	pyramidal TIFF——多分辨率分块存储格式，第 0 层全分辨率逐层 4× 降采样
多切片拼装	multi-slide packed——一例多张玻片打包进一个 WSI 文件
AWS Open Data Registry	亚马逊开放数据注册表——s3://leopard-challenge 无账户直下
–no-sign-request	AWS CLI 匿名访问参数——无需账户即可列/取 bucket
publication embargo	发布禁运——challenge journal paper+baseline journal paper 发表前禁止独立发表
summary paper	挑战赛总结论文——本条目指 MIDL 2026 Short Papers 版本
MIDL	Medical Imaging with Deep Learning——深度学习医学影像会议（2026 short papers）
MICCAI	医学影像计算与计算机辅助干预会议——本条目官方挑战赛挂靠
USCAP	美国-加拿大病理学年会——本条目第三个宣传平台
SPIE Medical Imaging	国际光学工程学会医学影像会议——本条目宣布平台
Grand Challenge	grand-challenge.org——Radboudumc RTC 开发的挑战赛平台
DAIMS	本库数据资产 AI-Ready 度量体系（文档/标注/可获取性/可复现/伦理五维）

附录

附录 A：挑战赛档案卡（全字段速查）

字段	值
名称	LEOPARD Challenge
全称	LEarning biOchemical Prostate cAncer Recurrence from histopathology sliDes
平台	leopard.grand-challenge.org（Grand Challenge，Radboudumc RTC）
挂靠	MICCAI 2024 satellite event（官方接收 2024-03-09）
域	计算病理/生存预测
任务	H&E WSI → time-to-BCR（年）
弱监督	patient-level only（event+follow_up_years）
训练集	508 例 Radboudumc/2 TB/pyramidal TIF/多切片拼装
评估集	页面口径 99+824=923；summary paper 终评 2,181 例四国
指标	C-index
参与规模	16 队/9 模型终评
头部成绩	AI 0.740/ISUP 0.739/CAPRA-S 0.785/融合 0.766 与 0.799
时间线	2024-02-19→10-06（7.5 个月）
奖金	未披露
许可	CC BY-NC-SA 4.0+publication embargo
可获取性	AWS Registry 无账户直下（s3://leopard-challenge，us-west-2）
学术出口	summary paper@MIDL 2026 Short Papers（已发表）；journal paper×2 在途
组织者	Khrystyna Faryna（执行）+Geert Litjens（掌门）+四国病理网——summary paper 署名约 50 人
后继	CHIMERA（rid 633，多模态）/OWL（rid 635，可解释）——三代线

附录 B：数据规格卡

项	规格
对象	前列腺根治术标本 H&E 染色全切片
文件格式	pyramidal TIFF（金字塔分块）
分辨率结构	第 0 层全分辨率→逐层 4× 降采样（0.5×/0.25×/0.0625×…）
打包单元	病例（case）——多数文件含多张切片（multi-slide packed）
训练集体量	2 TB/508 例——单例均值约 4 GB（含多切片）
标签文件	training_labels.csv
标签字段	case_id (str)；event (int, 0/1)；follow_up_years (float)
标签语义	event=1 时 follow_up_years=复发时间；event=0 时=末次随访时间（删失）
验证/测试	99 例+824 例（赛时隐藏标签，排行榜放行）
AWS ARN	arn:aws:s3:::leopard-challenge（us-west-2）
匿名访问	aws s3 ls --no-sign-request s3://leopard-challenge/
配套工具	ASAP Viewer（Geert Litjens）——全切片阅片与标注
终评扩展	2,181 例四国（荷兰/德国/法国/意大利——summary paper 口径）

规格要点："病例"而非"玻片"是数据单元——MIL 管线中 bag 应定义为 case 而非 slide；多切片拼装意味着 bag 内可再分 slide 子袋——层级 MIL（hierarchical MIL）的天然场景

附录 C：评估体系细节（C-index 教学与三级阶梯）

C-index 定义：从风险预测中随机抽一对患者（i, j），若 i 真实复发早于 j 且模型给 i 更高风险（或相同分）计 1，反序计 0——一致对占比即 C-index；未复发（删失）患者按随访时间参与比较
为什么 C-index 而非 MSE：follow_up_years 对删失患者不是真实复发时间——直接回归监督有偏；C-index 只要求风险排序正确，对删失稳健
实践门槛：0.5=随机、0.65=弱可用信号（OWL 资格线承此）、0.7+=临床可讨论区间——本条目头部 0.740 落在"可讨论区间"
三级对照阶梯（summary paper 全刻度披露）：

方法	C-index	解读
Top AI 模型	0.740	纯形态学（H&E only）
病理分级（ISUP）	0.739	人类形态学判读
CAPRA-S	0.785	临床量表（分级+切缘+PSA 多变量）
AI+分级	0.766	融合增益 +0.026
AI+CAPRA-S	0.799	融合增益 +0.059——最高

三段解读：①AI 撞平人类分级——"精细形态特征有预后价值"假设的部分兑现；②未超 CAPRA-S——纯形态学存在信息天花板（切缘/PSA 动力学不在切片里）；③融合增益单调为正——AI 与现行工具互补而非替代——临床落地形态是"增量预测器"而非"替代品"
与 CHIMERA 屠榜悖论对照：CHIMERA（rid 633）临床单模态 0.7402 屠榜+随机化崩塌——多模态融合失效的负例；LEOPARD 融合增益为正的半正例——同一指标下"融合有效性"的两个边界样本
终评遴选：16 队→9 模型——selection 标准未在页面/摘要明示（大概率验证集头部+方法多样性）——存照

附录 D：参赛队伍全录（13 队逐队）

队名	机构/人物	方法路线	名次线索
MEVIS-ProSurvival	Fraunhofer MEVIS（Till Nicke, Raphael Schäfer, Lars Ole Schwen, Johannes Lotz）——不来梅	基础模型（foundation models）+生存头；同组 Tissue Concepts（Comput Biol Med 2025）	首位 oral——疑冠军（官方未明文）
HITSZLab	哈工大深圳（Songhan Jiang, Zijie Fang, Xiangming Yan, Qi Ouyang, Yongbing Zhang）	MIL+WSI 标准管线	oral
AIRAMatrix	（Surya Achanta, Raja Fida, Owaish, Aditya Vartak, Nilanjan Chattopadhyay, Nitin Singhal）	TransMIL+modified MSE loss	oral
Paicon	PAICON（Witali Aswolinskiy, Christian Aichmüller）——德国	AB-MIL+训练时空间裁剪+多折 ensemble+全数据末层微调	官方新闻稿 2nd
MartelLab	多伦多（Matthew McNeil, Anne Martel）	Gleason 自动分级中间任务→可解释复发预测	oral——可解释路线先声
iMoonLab	清华（Xiangmin Han, Huijian Zhou, Biaoliang Guan, Jihua Zhu, Zhiqiang Tian, Yue Gao）	PathHG 病理超图生存预测	poster
KatherLab	TU Dresden（Li Zhang, Aaron Kutzer, Narmin Ghaffari Laleh, Jakob Nikolas Kather）	Transformer 相关性 MIL	poster
QuIIL	（Doanh C. Bui, Anh T. Nguyen, Sunhong Park, Jin Tae Kwak）	WSI 生存方案	自述 6th
IUComPath	宾大（Suhang You, Sanyukta Adap, Siddhesh Thakur, Bhakti Baheti, Spyridon Bakas）	Thinking Fast & Slow 两阶段 MIL——UNI 特征+CLAM+Cox 层；内部 C-index 0.733/验证集 0.603	poster
SoftwareMill	（Kamil Rzechowski）	SoftMIL	poster
SmileLab	（Xulin Chen, Junzhou Huang）	Transformer MIL	poster
BioMediA	（Muhammad Ridzuan, Salma Hassan, Dawlat Akaila, Numan Saeed, Mohammad Yaqub）	MAC-MIL——multi-head attention-challenging	poster
agaldran	（Adrian Galdran）	Ranked Probability Loss+非均匀标签平滑	poster

名次链完整度：2nd（Paicon 明文）+6th（QuIIL 自述）+冠军旁证（MEVIS 首位 oral）——前六名中三个位置的锚点—— GC 六条挑战赛型中名次线索中等偏上（对照 CHIMERA 全榜/OWL 未披露）

附录 E：组织团队与人物网络

Radboudumc 核心（DIAG Nijmegen 计算病理组）：
- Geert Litjens——组掌门；主题演讲"AI for Prostate Pathology"（workshop 20 分钟开场）；ASAP Viewer 开发者；summary paper 末位作者
- Khrystyna Faryna——执行负责人：Challenge Setup 讲解+宣奖主持+summary paper 第一作者
- Hans Pinckaers——2022 先型论文（Communications Medicine）作者——立项合法性来源
- Jeroen van der Laak——病理图像分析；Joep Bogaerts/Nefise Uysal/Clément Grisi——数据与执行
四国临床病理网（终评队列组织证据）：
- 法国 Rennes：Solène-Florence Kammerer-Jacquet、Pierre Allaume
- 德国 Aachen：Yuri Tolkach、Reinhard Buettner、Sofiya Semko、Maksym Pikul
- 德国 Cologne：Axel Heidenreich（泌尿外科）、Adam Kowalewski
- 意大利：Vittorio Agosti、Paulo G. de Oliveira Salles、Enrico Munari
- 荷兰数据协调：Leslie Tessier、Frédérique Meeuwsen、Jolique van Ipenburg
参赛队代表入署：13 队核心成员全员进 summary paper 署名——"挑战赛论文=组织方+参赛者共同作品"范式
Faryna 三连线（库内人物线）：
- LEOPARD（本条）——执行负责人+主持
- OWL（rid 635）——组织者（+CHIMERA 双论文作者）
- CVPath@WACV 2027——workshop 组织者
- 一条人物线串起三代线的两代与下一站出口——库内人物网络密度最高样本
平台层：Radboudumc Technology Center（RTC）——GC 平台开发方（SOL GPU 集群 40 节点/100 GPU/500 TB——535 存照沿用）

附录 F：口径三重奏对照档案

口径	数字	信源	覆盖范围
挑战赛页	1,431（508+99+824）	leopard.grand-challenge.org/data	训练（荷兰公开）+验证+测试（页面口径）
summary paper	2,181（四国）	MIDL 2026 short paper 摘要	全部 benchmark 用例
OWL workshop	1,419（三中心）	CVPath workshop 官网	OWL 自称总病例

差值分析：2,181−1,431=750——多中心扩展的评估增量；1,431−1,419=12——OWL 自称与 LEOPARD 页面的微小差（OWL 可能剔除 12 例或统计口径差异）
三个数字各自为真：页面讲"赛时公开的部分"、paper 讲"benchmark 全集"、workshop 讲"OWL 视角的全集"——挑战赛型数据的"剪影三重奏"（对照 534 autoPET V 时间线三口径漂移）
写作处置：三层口径分层呈现+引用时注明信源——不强行调和一个"权威数字"

附录 G：可获取性光谱更新（六条挑战赛型横评）

条目	档位	载体	备注
531 LMC2	注册墙	GC Join 后下载	登录墙+Google Docs 数据文档（访问失败存照）
532 TopBrain	Zenodo 直下	Zenodo 五 DOI	小数据全开放
533 CHIMERA	AWS Registry	s3://chimera-challenge	无账户直下+Registry 元数据完备
534 autoPET V	三载体冗余	TCIA+Zenodo+FDAT	单点失效风险最低
535 OWL	注册墙（名义）	GC Join（数据页跳 LEOPARD）	同数据 AWS 旁路——名义/实际分离
536 LEOPARD	AWS Registry	s3://leopard-challenge	无账户直下+Registry 自描述完备+2 TB 全量

光谱四档定型：注册墙→Zenodo 直下→AWS Registry→三载体冗余——LEOPARD 与 CHIMERA 同档但** Registry 描述更完备**（“all data”+工具资源+引用模板）
同数据双档对照：LEOPARD（AWS 直下）vs OWL（GC 注册墙）——同一批 508 例的可获取性由"从哪个门进"决定——AI-Ready 评估必须锚定"最开放入口"而非"主办方默认入口"

附录 H：DAIMS 评分卡（~7.4）

维度	分	依据
可获取性	9	AWS 无账户直下+CC BY-NC-SA+2 TB 全量+Registry 自描述完备；扣分：测试标签去向未确认
文档完备	8	主页+data+timeline+Registry 四源齐备；扣分：evaluation/rules/organizations 页 404
可复现	7	训练集+标签+summary paper 全数字公开；扣分：baseline 未出+测试集赛时隐藏+终评遴选标准未明示
标注质量	7	删失生存格式标准+四国病理网背书；扣分：patient-level 弱监督无区域金标（固有上限）
伦理合规	6	四国临床网暗示多中心合规；扣分：IRB/同意条款页面未披露
加权	~7.4	六条挑战赛型最高分之一（对照 531 6.9/532 ~7.6/533 ~7.2/534 ~7.0/535 ~6.9——按各条目评分卡口径）

评分卡要点："可获取性 9"是六条挑战赛型首次触顶——AWS 直下+许可明示+工具配套的组合；"伦理 6"是刻意保守——四国协作必有合规框架但页面零披露——"载体背书型披露"的典型（信源等级：组织机构信誉>页面明文）

附录 I：MIL 方法学谱系（13 队方法归类）

范式定理：13 支公开方案全部是 MIL——WSI 只有 bag 级标签（event+time）时，多示例学习是唯一不需要区域标注的主流路线——范式统治由数据结构决定
bag 定义的三种实践：
- bag=WSI 文件（多数队）——多切片拼装使 bag 内含多玻片
- bag=case（严格派）——多玻片为子袋的层级 MIL（hierarchical MIL）
- bag=tile 集合（常规两阶段）——先切 patch 提特征再聚合
聚合器谱系：AB-MIL（注意力池化，Paicon）→TransMIL（Transformer 全局建模，AIRAMatrix/SmileLab）→相关性建模（KatherLab）→超图（iMoonLab PathHG——超边连多实例）→multi-head attention-challenging（BioMediA——注意力挑战正则）
两阶段训练（IUComPath Thinking Fast & Slow）：阶段一特征提取（UNI 基础模型+CLAM 筛选）+阶段二聚合头训练——"快（筛选）慢（推理）"双系统隐喻；其内部 C-index 0.733 vs 验证集 0.603 的落差=域移（中心间染色/扫描差异）的实证刻度
损失函数三路线（TTR 回归的目标设计）：
- Cox 部分似然（IUComPath）——删失感知的排序损失，理论正配 C-index
- modified MSE（AIRAMatrix）——回归路线：对删失样本的损失修正（如只计未删失或单侧惩罚）
- Ranked Probability Loss+非均匀标签平滑（agaldran）——分布回归路线：预测复发时间的概率分布而非点估计
基础模型层：2024 年参赛已普遍采用预训练特征（UNI/自研 foundation model）——"基础模型+MIL 头"双层架构成为 2024 后 WSI 生存预测的默认栈——CHIMERA baseline（UNI 迁移）与 OWL 规则（外部预训练允许）是同一栈的制度化

附录 J：生存分析基线方法学（教学卡）

删失机制：术后随访中，患者可能①复发（event=1，时间=真实 TTR）②未复发但失访/研究结束（event=0，时间=末次随访）——后者真实 TTR ≥ 记录时间——标签是"下界"而非真值
Kaplan-Meier 曲线：无协变量的生存函数非参估计——阶梯下降曲线（封面视觉元素）；按 ISUP 分组画三条 KM 曲线是病理论文标准图
Cox 比例风险：h(t|x)=h₀(t)·exp(βx)——半参模型，β 系数即风险比（HR）对数；MIL 头输出常接 Cox 层（IUComPath）
C-index 与 KM/Cox 的关系：C-index 评估的是模型风险的排序能力，不要求校准（calibration）——0.740 的模型可能系统性高估所有人的 TTR 但排序正确——临床部署还需校准曲线评估
CAPRA-S 解剖：Cancer of the Prostate Risk Assessment Post-surgical——术后量表五要素（Gleason 分级、切缘状态、精囊侵犯、淋巴结、PSA）——加权评分 0-12 分——本条目中它是"多变量临床信息"的代表（0.785）
AI 与量表的融合姿势：线性栈（模型输出作 CAPRA-S 附加变量）或嵌套模型——summary paper 的 0.766/0.799 表明融合策略已标准化——**“AI 作为第七个变量”**是最务实的落地叙事

附录 K：禁运条款细读（双钥匙与非对称设计）

条款原文（主页横幅）：“Participants of the LEOPARD challenge, as well as all non-participating researchers using the LEOPARD public training dataset, must adhere to the publication embargo period and can publish their own results, separately only after the completion of the embargo period (after the publication of the LEOPARD challenge journal paper and the publication of the LEOPARD challenge baseline journal paper). While doing so, they are requested to cite the challenge publication.”
双钥匙结构：禁运解除条件=两篇论文都发表（challenge journal paper+baseline journal paper）——单篇不解锁——对照 OWL 单钥匙（OWL journal paper+baseline paper 同为双钥匙——Radboud 家族模板统一）
覆盖面最广：不仅约束参赛者，约束一切使用公开训练集的研究者——CC BY-NC-SA 的开放与禁运的封闭并存——"数据开放+发表管制"的组合拳
非对称设计：summary paper（MIDL 2026）已公开全部核心数字（0.740/0.739/0.785/0.766/0.799）——组织方自己先发，参赛者与第三方须等 journal paper——**“先行者通稿、追随者排队”**的挑战赛出版经济学（对照 533 CHIMERA 双 summary paper 后置型——CHIMERA 等了 16 个月）
引用义务：“requested to cite the challenge publication”——软约束（requested 非 must）——禁运的执行现实上依赖社区自律
本库处置：条目引用仅用 summary paper+官方页面——不引用任何禁运期独立成果

附录 L：挑战赛经济学（无奖金样本）

奖金：未披露/未检索到——GC 六条挑战赛型中第三条无奖金明文（对照 autoPET V €6,000 双赛道/OWL 有 award money 数额未披露）
无奖金挑战赛的激励结构：①MICCAI 官方挂靠（学术声誉）②oral/poster 展示（宣奖现场）③summary paper 共同署名（50 人作者天团——参赛者全员入署）④数据资产（AWS 公开训练集）
署名即报酬：参赛队以方法贡献换 summary paper 署名——LEOPARD 的作者名单设计把"参赛"转化为"合作研究"——对照纯奖金型（autoPET V）的"赛完即散"
会务成本：MICCAI 2024 satellite（Palmeraie Rotana Resort 马拉喀什，Room Jade 2 小时+Room Atlas 海报）——挑战赛闭环的最后一公里
平台成本：GC 平台由 RTC 自持（SOL 集群）——主办方即平台方，边际成本近零——Radboud 家族挑战赛的组织成本结构

附录 M：临床整合路径（术后决策树里的 AI 时钟）

现行术后路径：根治术→病理报告（ISUP/TNM/切缘）→CAPRA-S/其他量表→风险组→辅助治疗决策（放疗/ADT）
AI 时钟的插入点：病理报告出具时同步输出 TTR 预测——H&E 切片本来就要扫（数字病理流程内）——边际部署成本近零
证据链位置：AI 单独 0.740≈ISUP 0.739——不能替代量表；AI+CAPRA-S 0.799>+0.059——作为"第七变量"融入量表才有临床意义
落地三关：①校准（C-index 高≠时间预测准——附录 J）②前瞻验证（CHIMERA/OWL 系的 External Validation Phase 思路）③监管（IVD 路径——超出挑战赛范围）
三代线的临床叙事连续性：LEOPARD 证形态学可读出时钟→CHIMERA 问多模态能否读得更准→OWL 问"模型在读哪里、为什么"——从预测到信任的完整技术路线图

附录 N：GC 核查模板 v1.7（补库条目增补条款）

v1.6 基础上新增（补库场景专属）：
- 条款 14 前作锚反向核查：条目自身被库内既有条目引用时（本例：rid 633/635 均引用 LEOPARD），补库时须①校验既有引用的事实一致性②在既有条目评论区/附录补链接（本库通过互链重建自动完成）③口径冲突时以本条目（数据本体条目）为准
- 条款 15 赛后论文追查：挑战赛已完成（completed）条目必须检索 summary paper——发表状态四分法（NEJM AI 型/MIDL short 型/arXiv 型/悬空型）扩展至五分（+journal 在途型）
- 条款 16 禁运状态标注：publication embargo 生效中的条目，fact 清单须单列"禁运钥匙"字段（几篇 journal paper 未发）
v1.0→v1.7 演进路径：v1.0 跨源五查（531）→v1.5 前作锚强度分级+消歧+数字演化+可获取性三档（532）→v1.6 系列前作锚+三载体冗余+续作口径继承（534）→v1.7 补库反向锚+赛后论文追查+禁运标注（536）
补库条目的核查轮数经验：LEOPARD 五轮（主页/数据/timeline/workshop 节目单/summary paper）——比全新条目少（前作锚在库内）但多了"反向一致性校验"环节

附录 O：三代线对照表（LEOPARD→CHIMERA→OWL）

维度	LEOPARD（本条/rid 636）	CHIMERA（rid 633）	OWL（rid 635）
年份	2024	2025-26	2026-27
临床问题	前列腺癌 BCR 预后	同	同
输入	H&E WSI 单模态	WSI+mpMRI+RNA-seq+临床四模态	H&E WSI 单模态（同 LEOPARD）
输出	TTR（年）	生存+分级多任务	TTR+风险三档+归因图+报告四件套
数据	508 训练（2,181 终评四国）	267-368 例	LEOPARD 508 逐字同源
指标	C-index	C-index（资格线 0.65 设计承本条目评估实践）	C-index≥0.65 资格线+忠实度+双专家 Likert
数据治理	AWS 直下	AWS 直下（官方推荐预训练源=LEOPARD）	GC 注册墙（跳 LEOPARD 下载页）
出口	MIDL 2026 short+journal 在途	双 summary arXiv	WACV 2027 CVPath
任务形态	自动预测	融合升级	可解释性

三代线方法论判读：数据端收敛（508 例反复使用）、任务端发散（预测→融合→解释）——数据资产复用是挑战赛系列化的经济基础，任务升维是学术 novelty 的来源
库内互链结构：636↔633（预训练源引用）+636↔635（同源数据引用）+633↔635（Radboud 双连线）——三角互链——库内最密的挑战赛型网络

附录 P：AWS Registry 页细读（自描述完备型样本）

页面结构：Description（主页临床背景全文复刻）→Update Frequency（As required）→License（CC BY NC SA）→Documentation（leopard.grand-challenge.org）→Managed By（Radboud University Medical Center）→Contact→How to Cite→Usage Examples（Tools: ASAP Viewer/LEOPARD Challenge）→Resources on AWS（bucket+命令）
"As required"更新频率——赛事型数据的动态维护承诺（对照静态数据库的年度冻结）
How to Cite 模板：Registry 自带引用格式——AI-Ready"引用可达性"加分项
工具资源双条目：ASAP Viewer（Litjens 阅片器）+LEOPARD Challenge（GC 页）——"数据+工具+社区"三位一体
与 CHIMERA Registry 页对照：同结构（GC 描述复刻+bucket 命令）——Radboud 家族 Registry 模板统一——同一机构多数据集的元数据一致性

附录 Q：页面极简型核查档

404/缺位清单：evaluation 页（评估协议）——rules 页——organizations 页——统计数据页（participants/submissions 未静态披露）
存在页：主页（Overview & Goals 完整）——data-download 页（508/99/824+标签格式）——timeline 页（九节点）——miccai2024-workshop 页（完整节目单+13 队名单）
信源等级标注（v1.6 页面极简型条款第三次执行）：
- 一手官方：主页/data/timeline/workshop 节目单/AWS Registry（五源）
- 一手学术：summary paper（MIDL 2026——Google Scholar 摘要逐字）+Pinckaers 2022/Eminaga 2024
- 二手旁证：Paicon 新闻稿（2nd place+hundreds of teams 夸大）——caodoanh2001 个人页（6th）—— MEVIS 员工页（Lotz/Nicke 机构）
- 推断级：四国构成（作者机构反推）——冠军归属（oral 惯例旁证）——推断级信源在正文标注"推断"
缺位即信息：evaluation 页 404+summary paper 补位——**“官方页面缺失的部分由赛后论文补全”**的挑战赛文档生命周期（赛时页面极简→赛后论文完整）

附录 R：三口径漂移档案（数字考古）

1,431（页面）：508+99+824——赛时公开口径——页面至今保持
2,181（paper）：“2,181 cases from four countries”——benchmark 全集——多出的 750 例=四国扩展终评队列（挑战赛页从未列出）
1,419（OWL workshop）：1,431−12——OWL 自称三中心——12 例差未获官方解释（剔除清单/统计口径/转写误差三可能）
508（训练集）：三口径中唯一全信源一致的数字——公开训练集是"硬通货"，评估集是"流动资产"
漂移考古学结论：挑战赛型数据的口径漂移集中于评估侧（训练侧有下载文件可数、评估侧只有叙事）——本库五连+补库共七条挑战赛型条目的普适规律（CHIMERA v1→v2/autoPET 三口径/LEOPARD 三重奏）

附录 S：二手信源数字膨胀案例（“hundreds of teams”）

Paicon 官方新闻稿（2024-10-18）：“took part in this global competition, which attracted hundreds of teams from around the world”
summary paper 逐字：“Sixteen teams participated”
膨胀系数：数百 vs 16——相差一个数量级——企业新闻稿的修辞惯例（无恶意但误导）
考古价值：①参赛规模是挑战赛声誉的核心指标——二手信源有夸大动机；②一手学术信源（summary paper）是唯一可靠锚；③本库处理：正文用 16 队+附录 S 存照膨胀案例——"数字膨胀对照"是信源分级的实操教材
同类对照：534 autoPET V 的 266 participants（GC 动态页）vs 领英倒计时口径——GC 六条挑战赛型的参与规模披露光谱：全静态披露（CHIMERA 302/159）→动态页（autoPET 266）→paper 口径（LEOPARD 16）→未披露（OWL）

附录 T：复现代码骨架（MIL 生存预测最小管线）

# LEOPARD 最小复现骨架——两阶段 MIL 生存预测
# 阶段 0：数据（AWS 匿名直下）
# aws s3 cp --no-sign-request --recursive s3://leopard-challenge/training_data ./data/
# training_labels.csv: case_id,event,follow_up_years

# 阶段 1：特征提取（基础模型）
import torch, tifffile
from pathlib import Path

def extract_tiles(wsi_path, level=0, tile=512, stride=512):
    """金字塔 TIF 第 0 层滑窗切片——生产中应加组织分割过滤白背景"""
    wsi = tifffile.imread(wsi_path)          # 慎用：第 0 层可超内存
    # 实际用 openslide/pyvips 流式读金字塔
    raise NotImplementedError

# feats = un_i(tile_batch)  # UNI 等病理基础模型——每 tile 一个特征向量

# 阶段 2：MIL 聚合+Cox 头
import torch.nn as nn

class ABMILSurv(nn.Module):
    def __init__(self, d_in=1024, d_hid=256):
        super().__init__()
        self.attn = nn.Sequential(nn.Linear(d_in, d_hid), nn.Tanh(),
                                  nn.Linear(d_hid, 1))   # 注意力打分
        self.proj = nn.Linear(d_in, d_hid)
        self.cox  = nn.Linear(d_hid, 1)                  # 输出风险 log-h
    def forward(self, feats, mask=None):                 # feats: (N, d_in)
        a = torch.softmax(self.attn(feats).T, dim=1)     # bag 内归一
        bag = (a @ self.proj(feats)).squeeze(0)          # 注意力池化
        return self.cox(bag)                             # 风险分

# 阶段 3：Cox 部分似然损失（删失感知）
def cox_partial_lik(risk, event, time):
    """risk: (B,) event: (B,) 0/1 time: (B,)
    对每个 event=1 的 i：分母=风险集中 time>=t_i 的 log-lik"""
    order = torch.argsort(time, descending=True)
    risk, event = risk[order], event[order]
    log_cumexp = torch.logcumsumexp(risk, dim=0)
    lik = (risk - log_cumexp) * event
    return -lik.sum() / event.sum().clamp(min=1)

# 评估：C-index（sklearn 无删失版仅作 sanity，生产用 lifelines/sksurv）
# from lifelines.utils import concordance_index
# c = concordance_index(time, -risk.detach().cpu(), event)

骨架对应参赛谱系：AB-MIL（Paicon 同族）+UNI 特征（IUComPath 同族）+Cox 损失（IUComPath 路线）——约 60 行即可对齐 2024 年参赛主流栈
工程坑点：①金字塔第 0 层勿整图读入（OoM）——用 openslide 流式；②多切片拼装需按 slide 分组再聚合（层级 MIL）；③删失样本不可进 MSE（AIRAMatrix 的 modified MSE 是对删失的处理方案之一）；④注意力热图可直接作为归因可视化（OWL 归因图的雏形）

附录 U：人名机构全表

人名	机构	角色
Khrystyna Faryna	Radboudumc	执行负责人/主持/summary 一作——三连线
Geert Litjens	Radboudumc	掌门/主题演讲/ASAP/末位作者
Hans Pinckaers	Radboudumc	先型论文（2022）作者
Jeroen van der Laak	Radboudumc	病理图像分析
Joep Bogaerts	Radboudumc	执行
Nefise Uysal / Clément Grisi	Radboudumc	执行
S. Kammerer-Jacquet / P. Allaume	Rennes（法）	病理
Y. Tolkach / R. Buettner / S. Semko / M. Pikul	Aachen（德）	病理
A. Heidenreich / A. Kowalewski	Cologne（德）	泌尿外科
V. Agosti / P.G. de Oliveira Salles / E. Munari	意大利	病理
L. Tessier / F. Meeuwsen / J. van Ipenburg	荷兰	数据协调
Till Nicke / J.R. Schäfer / L.O. Schwen / Johannes Lotz	Fraunhofer MEVIS	MEVIS-ProSurvival（首位 oral）
Songhan Jiang / Zijie Fang / X. Yan / Q. Ouyang / Yongbing Zhang	哈工大深圳	HITSZLab
Surya Achanta / Raja Fida / A. Vartak / N. Chattopadhyay / N. Singhal	AIRAMatrix	TransMIL
Witali Aswolinskiy / Christian Aichmüller	PAICON	2nd place
Matthew McNeil / Anne Martel	多伦多	MartelLab——可解释路线
X. Han / H. Zhou / B. Guan / J. Zhu / Z. Tian / Yue Gao	清华	iMoonLab——PathHG
Li Zhang / A. Kutzer / N.G. Laleh / Jakob Kather	TU Dresden	KatherLab
Doanh C. Bui / A.T. Nguyen / S. Park / J.T. Kwak	QuIIL	6th（自述）
Suhang You / S. Adap / S. Thakur / B. Baheti / Spyridon Bakas	宾大	IUComPath——Thinking Fast & Slow
Kamil Rzechowski	SoftwareMill	SoftMIL
Xulin Chen / Junzhou Huang	SmileLab	Transformer MIL
M. Ridzuan / S. Hassan / D. Akaila / N. Saeed / M. Yaqub	BioMediA	MAC-MIL
Adrian Galdran	独立	RPL+标签平滑

附录 V：临床背景引用链全录（主页脚注考古）

引用	主题	用途
H. Sung 2021（CA Cancer J Clin）	癌症统计	140 万/年流行病学底座
W.F. Clark 2018 / E.A.M. Heijnsdijk 2018	PSA 筛查争议	PSA 角色的辩证引入
S.S. Goonewardene 2014	术后 PSA	<0.1 ng/mL 成功标准
C.L. Amling 2014 / S.J. Freedland 2005 / M. Han 2001 / T. Van den Broeck 2001	BCR 预后	~30% 复发率+前哨指标
J.I. Epstein 2016（×2 处）	ISUP 2014 共识+评级分歧	现行标准与局限
N. Mottet 2021（EAU）	欧洲共识	三档风险组
J.I. Epstein 2010 / P.M. Pierorazio 2013 / G.J.L.H. van Leenders 2020	Gleason/ISUP 2019	分级体系技术链
H. Pinckaers 2022（Communications Medicine）	DL 预测 BCR 先行	立项合法性之一
O. Eminaga 2024（npj Precision Oncology）	DL 预测 BCR 先行	立项合法性之二

引用链结构判读：流行病学（1）→监测机制（2）→复发预后（4）→现行标准（1+1）→技术局限（3）→DL 先行（2）——14 个引用从"人群"逐级收敛到"本任务"——立项动机部的教科书式漏斗
Pinckaers 双重身份：先型论文作者（引用侧）+组织者（被引用侧）——"自己引用自己立项"的闭环（学术上正当——先行工作即组织资格）

附录 W：ISUP/Gleason 教学卡

Gleason 模式（1-5）：腺体形态分化程度——1=均匀小腺体（最分化）→5=无腺体结构（未分化）；现代实践只报 3-5（1-2 已废弃于穿刺标本）
Grade Group（ISUP 2014）：1=3+3；2=3+4；3=4+3；4=4+4/3+5；5=5+5/5+4——主级+次级相加的分组化——Epstein 2016 共识
两大局限与本条目的勾连：①评级者分歧——同一切片不同病理医师可差一个 Grade Group（Epstein 2016 引证）→AI 的"一致性"卖点；②形态描述粗糙——GG 压缩千兆像素级形态信息→AI 挖掘"finer morphological features"的立项空间
与MartelLab 方案的呼应：用 Gleason 自动分级作为中间任务——"分级监督+复发微调"双任务——把现行标准当脚手架而非对手——可解释性的早期实践
教学要点：ISUP 分级是形态学的粗粒度量化——AI 模型 0.740≈分级 0.739 说明"从像素里读出了约等于人类分级共识的信息"——AI 的增量在融合而非替代

附录 X：PSA 监测机制教学卡

PSA 生理学：前列腺上皮分泌的丝氨酸蛋白酶——正常入精液，癌变/术后残余入血——血清 PSA 是前列腺组织量的代理指标
术后时间线：根治术切除前列腺→PSA 应降至检测限下（<0.1 ng/mL，4-6 周内，Goonewardene 2014）→连续两次回升>0.2 ng/mL=BCR（常用操作定义）→BCR 到临床转移的中位窗口数年
争议面：PSA 筛查（健康人群）价值有争议（过度诊断——Clark 2018/Heijnsdijk 2018 引证）；术后监测（已知患者）价值无争议——本条目用后者
40%/10 年 vs 30%：AWS 页"up to 40% within 10 years"vs 主页"approximately 30%"——随访窗不同（10 年窗 vs 全随访）+队列差异——两口径可并行不悖
BCR 为什么是好终点：客观（实验室值）+早于转移/死亡数年（随访窗短）+临床相关（触发挽救治疗）——生存分析任务的"高信噪比终点"——对照 CHIMERA 用 BCR 同款终点

附录 Y：库内病理条目联动矩阵

库内条目	联动点
rid 633 CHIMERA	官方推荐预训练源=LEOPARD；四模态扩展对照；同指标 C-index
rid 635 OWL	训练集 508 例逐字同源；五阶段 C-index 资格线前身；AWS 旁路本体
rid 634 autoPET V	GC 平台系同代（MICCAI 2024 vs 2026）；挑战赛经济学对照（€6,000 vs 无奖金）
rid 468 AutoPET I/II	挑战赛系列化先例（五届 frontier）——LEOPARD 三代线是同类叙事
rid 632 TopBrain	MIDL 对照（NEJM AI vs MIDL short 两种出口）；43 人 vs 50 人作者天团
病理基础模型类条目	UNI/ foundation model 栈——"基础模型+MIL 头"在挑战赛的实战验证

联动矩阵判读：LEOPARD 上线后，库内"前列腺癌+计算病理"子域形成挑战赛三代+基础模型+判别/预后双任务的完整小生态——补库的网络效应量化样本

附录 Z：AI-Ready 生存预测专项检查单（10 项）

标签是否为标准删失格式（event+time 双列）——LEOPARD 是（training_labels.csv）
删失比例是否披露——否（存照缺口）——508 例中 event=1 占比未公开
评估指标是否删失感知——是（C-index）
时间单位与随访窗是否明确——是（年；但随访窗分布未披露）
多终点（BCR/转移/死亡）是否区分——是（仅 BCR）
数据单元定义（case/slide）是否明确——是（multi-slide packed+case_id）
外部验证是否设计——部分（四国终评=多中心验证；无赛后外部验证阶段——对照 OWL 2027-02 External Validation）
基线是否可复现——部分（summary paper 数字全公开；baseline 代码未出）
校准（calibration）是否评估——否（仅 C-index 排序）——生存预测常见盲区
禁运/许可状态是否明示——是（CC BY-NC-SA+embargo 横幅）

检查单判读：10 项中 7 项达标——生存预测型的 AI-Ready 短板在"删失比例披露"与"校准评估"——两项目前挑战赛界尚无成熟惯例——本库方法论增量

附录 AA：终评遴选制分析（16→9）

机制：16 队参赛→9 模型入选终评（summary paper 逐字）——selection 标准未明示
三种可能：①验证榜头部截断（前 9）②方法多样性配额（避免同质方案占坑）③提交完整性筛选（容器/文档合规）
对照系：OWL 五阶段漏斗（Debug→资格线→忠实度→双专家——每阶段有明文标准）；CHIMERA 159 submissions 全收；autoPET V 181 submissions 双赛道——LEOPARD 的 16→9 是六条挑战赛型中最简的遴选
方法学影响：终评池越小、头部越密——0.740 是 9 模型之首——selection bias 使"C-index 0.740"不可外推为"所有方法的上限"——挑战赛成绩引用的标准限定语

附录 AB：四国数据治理（多中心病理 WSI 合规拼图）

四国队列构成：荷兰（Radboudumc 训练集来源）+德国（Aachen 病理+Cologne 泌尿外科）+法国（Rennes）+意大利——每国一位资深病理学家+对应外科/肿瘤协作——summary paper 署名即治理网
多中心 WSI 的技术面：不同扫描仪（Aperio/Hamamatsu/3DHISTECH 概率）、染色协议差异（实验室间 H&E 染色变异）——IUComPath 内部 0.733→验证集 0.603 的落差即中心间域移的实测
合规面：CC BY-NC-SA 统一许可+各国院内 IRB（未逐国披露）——**“统一出口许可+分散采集合规”**的多中心惯例
对照 CHIMERA 双测序协议（Cohort A/B）未校正的批次效应——多中心数据的批次治理是三代线的共同暗线（LEOPARD 未明示处理——存照）

附录 AC：赛前预测复盘与教训

本库核查阶段预判（535 OWL 生产时）：“LEOPARD evaluation 页 404——C-index 细节需从参赛论文旁证补”——实际结果：summary paper（MIDL 2026）一站式补全（C-index 阶梯+16 队/9 模型+2,181 四国）——预判方向正确但低估了补全质量
复盘教训：①已完成（completed）挑战赛的赛后论文检索应前置于页面核查——页面极简型条目的信息重心在 paper 不在页面；②Google Scholar 引用页是 summary paper 摘要的可靠旁路（OpenReview 有 Cloudflare 墙）；③冠军建制化检索路径：workshop 节目单（oral 顺序）→获奖队新闻稿→个人主页自述——三级旁证链
补库效率记录：核查五轮+FACTS 13 节+四块组装+加厚——前作锚在库内使组装期显著短于五连平均——补库条目的流程红利

附录 AD：挑战赛出版经济学深读（summary paper 的功能解剖）

summary paper 的四重功能：
- ①存档功能——把赛事结果固化为可引用学术记录（0.740/0.739/0.785/0.766/0.799 五个数字的永久锚）——挑战赛页面（动态）与论文（静态）的生命周期互补
- ②署名分配功能——50 人作者名单=组织方（约 20）+参赛者（约 30）——参赛贡献的学术化兑现——"赛资换署名"的正式合约
- ③禁运锚定功能——“requested to cite the challenge publication” 的 citation 对象——第三方引用有了合法入口，独立成果的发表权被禁运条款管制
- ④方法学传播功能——16 队/9 模型的 benchmark 协议公开化——后续研究者可据此设计对照实验
发表轨迹的时序经济学：赛事 2024-10 结束→summary paper 2026（MIDL）——14 个月间隔——评审周期+参赛者确认+禁运协调；journal paper（更长篇、含 baseline 详述）再延后——挑战赛出版的"两级火箭"
MIDL 选址的方法学信号：MIDL（Medical Imaging with Deep Learning）是方法学导向会议——summary paper 落 MIDL short papers 而非 MICCAI/ISBI——结果公告与方法学论文分流：宣奖在 MICCAI（社区影响力）、论文在 MIDL（方法学严谨性评审）
对照系（六条挑战赛型的出口全谱）：
- TopBrain：NEJM AI（临床顶刊 AI 子刊——最高临床背书）
- CHIMERA：双 summary arXiv（速度优先，期刊在途）
- autoPET V：journal 承诺型（IV 论文 2509.02402 已出+V 在途）
- LMC2：ISBI 2027 在投（数据库论文已出——双线）
- OWL：WACV 2027 CVPath（CV 社区——唯一非医学影像出口）
- LEOPARD：MIDL short 已发表（唯一"已落地"的 summary）——补库时点恰好是唯一能在条目里引用"已发表论文"的挑战赛条目
结论：summary paper 的发表状态是挑战赛型条目 AI-Ready"可复现"维度的最大杠杆——“已发表”=数字可引用+方法可评审（LEOPARD 评分卡可复现 7 的主要支撑）

附录 AE：禁运与开放科学的张力（CC BY-NC-SA+embargo 的组合解剖）

组合的表面矛盾：CC BY-NC-SA（自由分享/改编——仅禁商用+同方式共享）与 publication embargo（发表管制）并存——数据可自由用于研究，但不能自由用于发表
法律与学术规范的分层：CC 许可是著作权工具（管复制/分发/演绎）——embargo 是学术社区规范（管 credit 分配时序）——两者作用于不同层面、不互相覆盖——"法律开放+学术排队"是可并行的双轨
禁运的正当性论证：组织方投入（数据协调四国+平台运营+评审工程）→journal paper 是回报载体→若第三方抢先发表（scoop），组织方的成果叙事与引用分配受损——embargo 保护的是数据生产的激励结构
第三方视角的代价：公开训练集（AWS 直下）的使用者——连"用 508 例训练集做迁移学习实验"的成果发表也被约束（条款字面覆盖"all non-participating researchers using the LEOPARD public training dataset"）——开放数据的使用成本以发表时滞形式收取
社区生态的博弈均衡：①组织方先发 summary（公开核心数字）；②第三方可引用可批评；③独立成果等 journal paper——三年内逐步解锁——对比 OWL 同款条款（Radboud 家族模板）——该模板若成为挑战赛惯例，将重塑"公开数据集"的学术使用预期
本库的立场标注：条目如实记录条款字面+张力分析——AI-Ready 评估中"可获取性"与"可发表性"是两个独立维度——AWS 直下得 9 分不豁免发表管制的存在

附录 AF：MIL 与基础模型的 2024 分水岭（LEOPARD 参赛栈的时代切片）

2022-2024 的栈演化三阶段：
- 前史（2022）：Pinckaers 先型——端到端 CNN 特征+Cox——无预训练时代
- 过渡（2023）：CLAM/AB-MIL 标准化+ImageNet→病理自监督（RET-CCL 等）——特征层更换但仍是小模型
- 分水岭（2024，LEOPARD 赛年）：UNI（Nature Medicine 2024）/Virchow/CONCH 等病理基础模型集中爆发——参赛栈瞬间切换为"基础模型冻结特征+MIL 头"
LEOPARD 13 队的栈分布：基础模型特征（MEVIS-ProSurvival 自研 foundation model、IUComPath 用 UNI）+端到端/传统特征（少数）——至少两条路线并存但基础模型侧明显占优——与 CHIMERA（2025-26）官方 baseline 直接采用 UNI 形成代际连续
为什么基础模型+MIL 是"经济解"：508 例训练集（弱标签）不足以端到端训练千兆像素编码器——基础模型在大规模无标注切片上预训练（UNI：10 万+切片）把表征学习成本外部化——挑战赛只考"聚合与生存头"——数据规模越小的挑战赛越依赖基础模型
对 508 例规模的方法学含义：508 例在 WSI 生存预测里属中小规模（对照 TCGA 数千例）——但四国终评（2,181 例）+基础模型特征使 C-index 0.740 可信——小数据+强预训练+好评估协议=现代弱监督生存预测的可行配方
展望：OWL（2026）规则明文允许外部预训练+CHIMERA-agent（2026）推理轨迹——Radboud 三代线完整记录了"特征工程→基础模型→agentic"的范式迁移

附录 AG：前列腺数字病理生态（数据资产地图）

公开 WSI 数据资产谱系（前列腺域）：
- PANDA（2020）——Gleason 分级挑战赛（NCI/GUROC，~1.1 万例+Radicube）——分级任务（分类）
- SICAP（2021）——Gleason 分割（Valencia）——区域标注（分割）
- LEOPARD（2024）——BCR 生存预测（Radboudumc 508 例+四国终评）——患者级弱监督（生存）
- CHIMERA（2025-26）——四模态多任务（Radboud 系）
- OWL（2026-27）——同数据+解释任务（Radboud 系）
任务形态的生态位分化：分级（有金标/区域标注）/分割（像素级）/生存（patient-level 弱监督）——三种监督密度对应三种标注成本——LEOPARD 选择最低监督密度是因为生存结局天然只有 patient-level——"标注成本由终点类型决定"的案例
Radboudumc 的生态位：GC 平台东家+三代线主办+PANDA 参与者——机构级数字病理基础设施（DIAG 组+RTC 平台+SOL 算力）——单一机构撑起一个任务族的基础设施
临床价值链：分级（诊断）→分期（范围）→BCR 预测（预后）→治疗反应（未来）——前列腺数字病理的任务纵深——LEOPARD 把"预后"环节标准化为可 benchmark 的竞赛问题
本库覆盖判读：PANDA/SICAP 未入库（时间线原因）——LEOPARD+CHIMERA+OWL 三连入库使"预后"环节档案完整——补库策略：从三代线入手反哺早期数据资产（后续批次候选）

附录 AH：AWS 直下复现实录（命令手册级）

匿名探查（无需账户、无需配置）：

# 列出 bucket 顶层结构
aws s3 ls --no-sign-request s3://leopard-challenge/
# 预期输出形如：
#   PRE training_data/
#   PRE validation_data/
#   PRE testing_data/
#   training_labels.csv

# 递归统计训练集对象数（验证 508 例）
aws s3 ls --no-sign-request --recursive s3://leopard-challenge/training_data/ | wc -l

# 查看单个对象大小（抽样第一例）
aws s3 ls --no-sign-request --recursive s3://leopard-challenge/training_data/ | head -3

# 下载标签文件（KB 级，先拿标签看分布）
aws s3 cp --no-sign-request s3://leopard-challenge/training_labels.csv ./

# 下载完整训练集（2 TB——磁盘与带宽预算先行）
aws s3 cp --no-sign-request --recursive s3://leopard-challenge/training_data ./leopard_train/

标签快速体检（下载后第一件事）：

import pandas as pd
df = pd.read_csv("training_labels.csv")
print(df.dtypes)          # case_id: object / event: int64 / follow_up_years: float64
print(df["case_id"].nunique(), len(df))   # 应同为 508——一例一行
print(df["event"].value_counts(normalize=True))   # 复发率——官方未披露，自行计算
print(df["follow_up_years"].describe())           # 随访窗分布——中位数/最大值
# 删失比例 = 1 - event.mean() —— AI-Ready 检查单第 2 项的实测入口

Python 直连（boto3 匿名会话）：

import boto3
from botocore import UNSIGNED
from botocore.client import Config
s3 = boto3.client("s3", region_name="us-west-2",
                  config=Config(signature_version=UNSIGNED))
keys = s3.list_objects_v2(Bucket="leopard-challenge",
                          Prefix="training_data/")["Contents"]
print(len(keys), keys[0]["Key"], keys[0]["Size"])

工程提示：①us-west-2 区域参数可省去重定向延迟；②--no-sign-request 与 Config(signature_version=UNSIGNED) 等价——CLI 与 SDK 二选一；③2 TB 下载建议 s3 cp --recursive 断点续传（AWS CLI v2 原生支持分段）；④金字塔 TIF 单文件可达 GB 级——逐文件流式处理勿整仓解压

附录 AI：口径漂移的治理建议（挑战赛型数据集的披露规范提案）

现状痛点归纳（七条挑战赛型条目的口径漂移总账）：
- LMC2：56,984（论文）vs 56,981（EBI）——三图之差
- TopBrain：48=40∪42−34 的代数自洽（正例）——但版本冻结漂移存照
- CHIMERA：Task 2 v1 132→v2 182/Task 3 v1 126→v2 176——版本迭代双口径
- autoPET V：时间线三口径（静态 09-01/动态 09-25/领英倒计时）
- OWL：1,419（workshop）vs 508（页面）
- LEOPARD：1,431（页面）/2,181（paper）/1,419（OWL workshop）——三重奏最复杂
漂移的根源分类：①时间演化（版本迭代真实改变规模）；②统计口径（例数 vs 玻片数 vs 对象数）；③信源层级（页面 vs 论文 vs 宣传材料）；④转写误差（二手信源抄写——"hundreds of teams"型）
提案一：训练侧/评估侧分栏披露——训练集（可下载可数）必须给精确数字+校验命令；评估集（不可数）标注"叙事口径"——把不对称显式化
提案二：口径时间戳——每个数字标注信源时点（LEOPARD 1,431@2024-04 页面/2,181@2026 paper）——版本漂移可视化
提案三：赛后论文为终审口径——赛事结束后 summary paper 数字优先于页面——但页面不撤旧口径（存档价值）——本条目采用的三层呈现法
提案四：差值解释义务——多口径差值>5% 时组织方应解释构成（LEOPARD 的 750 例四国扩展在 paper 摘要只有一句——构成细节缺失）——挑战赛出版规范的建议条款

附录 AJ：竞赛成绩的引用规范（C-index 0.740 的正确引用姿势）

引用五要素：①指标名（C-index）②数字（0.740）③对象限定（“9 个终评模型中的最好成绩”——非"所有方法"）④队列限定（2,181 例四国终评队列）⑤信源（Faryna et al., MIDL 2026 short paper）
常见误引清单：
- ❌“AI 达到 0.740 的 C-index”（无限定——像通用基准）
- ❌“AI 超越病理学家”（0.740 vs 0.739 是打平不是超越）
- ❌“比赛吸引了数百团队”（Paicon 新闻稿膨胀数字）
- ❌“第一名是 XXX”（冠军未明文——只能"首位 oral+旁证链"）
- ✅“LEOPARD 挑战赛终评中最佳 AI 模型 C-index 0.740，与 ISUP 分级（0.739）统计打平、低于 CAPRA-S（0.785）；与临床工具融合后升至 0.766-0.799（Faryna et al., MIDL 2026）”
selection bias 的限定语：16→9 的终评遴选使 0.740 存在幸存者偏差——引用时应注"终评入选模型"而非"参赛方法总体"
与屠榜悖论的引用对照：CHIMERA 0.7402（临床单模态屠榜）与 LEOPARD 0.740（AI 撞平分级）——两个 0.74x 数字来自不同任务不同队列——跨条目引用时严禁数字混用——本库条目间互链的数字一致性红线
成绩引用的时间敏感性：journal paper 发表后可能出现修正/扩展（更多终点/更长随访）——条目预留"禁运解禁后更新预案"（附录 AO）

附录 AK：数据资产届际复用的制度分析（508 例的三次服役）

服役记录：同一批 508 例 Radboudumc WSI——
- 第一次服役：LEOPARD 2024（本条目）——训练 16 队方案——产出 C-index 0.740 与 summary paper
- 第二次服役：OWL 2026（rid 635）——训练 15 支解释方案——训练集逐字同源（OWL 数据页直接跳 LEOPARD 下载页）
- （潜在第三次）CHIMERA 生态——官方推荐预训练源（四模态条目的病理分支可用 508 例预训练）
复用的三种制度形态：
- ①完全复用型（OWL←LEOPARD）：数据零新增、任务全新——"数据不动问题升级"的极致——挑战赛系列化的最低成本路径
- ②扩展复用型（LEOPARD 自身终评）：508 训练+750 例四国扩展评估——数据资产在使用中生长
- ③引用复用型（CHIMERA←LEOPARD）：不迁移数据、只引用为方法学起点（预训练源）——最轻量的复用
复用的治理要点：①许可一致性（OWL 承 LEOPARD 的 CC BY-NC-SA——同标签随数据走）；②禁运传导（OWL 禁运条款同样引用 LEOPARD baseline paper——家族条款联动）；③口径继承（OWL 的 1,419 口径是 LEOPARD 1,431 的剪影——复用即口径漂移的传染通道）
AI-Ready 视角的量化：一份数据资产的"服役次数"应计入其价值评估——508 例×2 届挑战赛+若干第三方研究——数据资产的"复利"属性——对照单次使用型数据集的折旧模型
本库先例对照：rid 468 AutoPET I/II→rid 634 autoPET V（五届系列、数据每届扩容）——扩容型系列（每届新增数据）；LEOPARD→OWL——同源型系列（数据冻结任务升级）——两条系列化路线的库内对照完成

附录 AL：三代线教学卡（一张表讲完 Radboud 生存预测三部曲）

教学叙事线（适合课堂/组会引用）：
- 第一幕（2024）：问题定义——“H&E 切片里有没有 BCR 时钟？”——LEOPARD 用 C-index 回答：有，但只与人类分级打平（0.740 vs 0.739），融合临床量表才有增量（0.799）
- 第二幕（2025-26）：信息扩展——“加上 MRI、RNA、临床变量能更准吗？”——CHIMERA 四模态融合——答案意外：临床单模态屠榜（0.7402）、多模态增益消失（ΔC≤0.04）——融合不是免费的
- 第三幕（2026-27）：信任追问——“模型在读哪里？为什么可信？”——OWL 四输出（预测+归因+报告）+人类评审——C-index 只是资格线（0.65），解释质量才是主战场
三幕的递进逻辑：准确性→信息完备性→可信性——临床 AI 落地的三个台阶——每一幕把上一幕的"最优"降级为"基线"——挑战赛系列的自我批判机制
三代线的方法论遗产清单：MIL 栈（LEOPARD 实证）→多模态融合协议（CHIMERA 试错）→可解释性评估框架（OWL 立规）——三份遗产共同构成"WSI 生存预测的完整方法学拼图"
库内档案位置：rid 636（本条）+rid 633+rid 635——三角互链——教学引用时三篇连读

附录 AM：信源清单与抓取日志

一手官方源（5 个）：
- leopard.grand-challenge.org/（主页：临床背景+立项+禁运横幅——抓取 2026-09-25）
- leopard.grand-challenge.org/data-download/（508/99/824+标签格式——本会话前序核查）
- leopard.grand-challenge.org/timeline/（九节点——本会话前序核查）
- leopard.grand-challenge.org/miccai2024-workshop/（完整节目单+13 队名单——抓取 2026-09-25）
- registry.opendata.aws/leopard/（ARN+许可+工具+描述——抓取 2026-09-25）
一手学术源（3 个）：
- Faryna et al., “Predicting Biochemical Recurrence from Prostatectomy Slides—the LEOPARD Challenge”, MIDL 2026 Short Papers（Poster，OpenReview bW5oerBwg8）——摘要经 Google Scholar 逐字获取（OpenReview 直接抓取被 Cloudflare 拦——存照）
- Pinckaers et al. 2022, Communications Medicine（先行论文）
- Eminaga et al. 2024, npj Precision Oncology（先行论文）
二手旁证源（3 个）：
- Paicon 新闻稿（paicon.com/media/news/2024/10/18/leopard）——2nd place 明文+hundreds of teams 膨胀
- caodoanh2001.github.io——6th place 自述
- mevis.fraunhofer.de 员工页（Lotz）——MEVIS-ProSurvival 机构确认+OpenReview 同人核验
推断级信源（2 项，正文标注）：四国构成（summary paper 作者机构反推）；冠军归属（oral 首位+名次旁证链）
失败抓取记录：openreview.net/pdf（Cloudflare 验证墙——HTML 返回）——api2.openreview.net/notes?forum=（空返回）——leopard.grand-challenge.org/results/（404）——evaluation/rules/organizations 页（404）
抓取路径学：Google Scholar 引用页作为 OpenReview 的旁路（摘要逐字）——学术搜索引擎是论文元数据的镜像基础设施——反爬墙时代的替代抓取路径

附录 AN：禁运解禁后的条目更新预案

触发事件：challenge journal paper 发表（钥匙一）→baseline journal paper 发表（钥匙二）→禁运解除
预案一：baseline 章节扩写——baseline journal paper 预计披露官方基线方法（推测为 UNI/基础模型+MIL+Cox 栈的官方版）与完整排行榜——届时附录 D 参赛队伍全录补最终名次列
预案二：删失比例回填——baseline paper 大概率披露队列统计（event 率/随访中位数）——AI-Ready 检查单第 2 项（删失比例）从存照缺口转为实测值——DAIMS 可复现维度或从 7 升 8
预案三：冠军明文化——journal paper 的 results 部分预计列出终评全名次——附录 D 的名次线索列升级为名次实锤列——冠军存照解除
预案四：口径归一——journal paper 若给出全量队列的官方统计表——三口径三重奏收敛为"页面存档口径+paper 终审口径"双层——附录 R 漂移档案补"收敛记录"
预案五：第三方成果解禁跟踪——禁运解除后使用 508 例的独立研究将集中发表——条目可增设"衍生研究"小节——数据资产的服役记录延续
更新触发机制：本库 production_tracker.md 的"下一发"栏挂更新任务——条目不是一次性产品而是随数据生命周期的活档案

附录 AO：GC 挑战赛族生产总结（五连+补库合卷）

生产档案（六条挑战赛型条目全记录）：

批次	条目	rid	档位	出口形态	特殊贡献
531	LMC2	631	注册墙	ISBI 在投	GC 模板 v1.0 建立
532	TopBrain	632	Zenodo 直下	NEJM AI	代数自洽+污染指标
533	CHIMERA	633	AWS Registry	双 summary arXiv	生存族首入+屠榜悖论
534	autoPET V	634	三载体冗余	journal 承诺	系列前作锚+交互式分割
535	OWL	635	注册墙（旁路）	WACV CVPath	元研究型+人工评审
536	LEOPARD	636	AWS Registry（最完备）	MIDL short（唯一已发表）	补库反向锚+三代线收口

模板演进全谱：v1.0 跨源五查（531）→v1.5 前作锚分级/消歧/数字演化/可获取性三档（532）→v1.5+ 多义名消歧实战（533）→v1.6 系列前作锚/三载体冗余/续作口径继承（534）→v1.6 完全体（535 页面极简型+三载体消歧双锚）→v1.7 补库反向锚/赛后论文追查/禁运标注（536）
七条生产定律（六条目总结）：
- 定律一：前作锚密度决定核查轮数——锚越强轮数越少但反向校验越多
- 定律二：可获取性锚定"最开放入口"——同一数据多入口时取最低门槛
- 定律三：评估集是口径漂移的重灾区——训练侧精确、评估侧叙事
- 定律四：赛后论文是信息重心——completed 条目先查 paper 再核页面
- 定律五：二手信源数字膨胀一个数量级——参赛规模/名次只用一手学术源
- 定律六：禁运是发表时滞不是数据封锁——法律开放与学术排队并行
- 定律七：挑战赛系列的数据复用有三种制度形态（完全/扩展/引用）——AI-Ready 评估须计入服役次数
跨条目网络现状：rid 468↔634（autoPET 系列）+633↔635（Radboud 双线）+636↔633↔635（三代线三角）+636↔632（MIDL 对照）——GC 挑战赛族的库内网络密度居各数据形态之首
后续批次候选（按锚强度排序）：TopAneu 2026（423 participants——GC 最大参与规模）；HECKTOR 2026（头颈多模态系列续作）；REG²（病理报告生成——文本族回归）；PANDA/SICAP 补库（前列腺生态上游——三代线反哺）

FAQ 补遗：8 问

Q25：为什么训练集只来自单一中心（Radboudumc）？
弱监督生存预测需要长随访数据——单中心随访质量控制更易；四国扩展发生在评估侧（终评 2,181 例）——训练侧单中心+评估侧多中心是"域移进评估"的设计——模型必须在异中心数据上证明泛化。

Q26：multi-slide packed 会给 MIL 带来什么问题？
bag=case 时注意力池化会跨玻片混合——同一患者的多张玻片可能来自不同蜡块/区域——严格做法是层级 MIL（slide 级聚合→case 级聚合）；直接平铺也可行但丢失层级结构。

Q27：0.740 这个数字能直接用于临床宣传吗？
不能。三重限定：①终评 9 模型的幸存者偏差；②回顾性队列（非前瞻）；③C-index 只测排序不测校准。临床引用应同时给融合后的增量（+0.059）与队列限定。

Q28：LEOPARD 的 baseline 是什么？
baseline journal paper 在计划中未发表（禁运钥匙之二）——官方 baseline 代码仓库未检索到——参赛队自行搭栈（UNI/CLAM/AB-MIL 组合是事实上的社区基线）。

Q29：为什么 summary paper 发在 MIDL 而不是 MICCAI？
宣奖已在 MICCAI（影响力事件）；summary paper 走 MIDL short papers（方法学评审）——事件与论文分流——挑战赛出版的新趋势（对照 TopBrain 走 NEJM AI 的临床期刊路线）。

Q30：LEOPARD 数据能训练通用病理模型吗？
能（CC BY-NC-SA 允许非商业研究），但 508 例+patient-level 弱标签只适合微调/评估，不适合从头预训练——预训练该用大规模无标注切片（UNI 的路线）。

Q31：OWL 的 C-index 0.65 资格线与 LEOPARD 的 0.740 什么关系？
0.65 是"弱可用信号"的方法学门槛（OWL 立规）；0.740 是 LEOPARD 实测头部成绩——OWL 参赛者若达到 0.74 已远超资格线——两数字一个是门槛一个是天花板参照，不可混比。

Q32：这个挑战赛有后续吗？
挑战赛本体已完成；方法学血脉由 CHIMERA（多模态）与 OWL（可解释性）继承——"LEOPARD challenge has completed"横幅+禁运条款表明官方叙事已转向 journal paper 收尾阶段。

附录 AP：生存预测挑战赛协议深读（LEOPARD 协议六问六答）

问一：为什么不用 Mean Squared Error 直接评回归？
随访截断使 follow_up_years 对删失患者是下界——MSE 惩罚"实际没复发"的预测偏差无意义；排序型指标（C-index）只要求"更早复发者获更高风险"——对删失的不确定性天然鲁棒。
问二：验证榜和测试榜分离的机制是什么？
平台侧：验证集 99 例标签开放（07-03）→参赛者自行评估调参；测试集 824 例标签隐藏（07-14 开榜）→提交后平台侧计算——同一模型在两榜的落差（IUComPath 内部 0.733 vs 验证 0.603）是过拟合/域移的自检镜。
问三：提交的是什么——预测值还是模型？
GC 平台代码执行型：容器化推理（算法镜像）而非静态预测文件——平台跑模型出结果——可复现性由容器保证（对照 Kaggle 型静态提交）——LEOPARD 沿用 GC 标准设计。
问四：决赛邀请（08-28）在提交截止（08-18）后十天的用途？
初评筛选→top 队伍受邀进终评复核（含代码审查/复跑）→10-06 宣奖——邀请制给组织方反作弊与复现窗口——16→9 的遴选发生在这一窗口。
问五：为什么是 9 个模型进终评而不是全部 16 队？
终评含平台复跑+方法复核成本（SOL 集群算力+人工审查）——9 个的截断标准未明示（验证榜头部+方法多样性是大概率逻辑）——附录 AA 的三可能分析。
问六：C-index 之外还应看什么？
①校准曲线（预测时间 vs 实际 KM 曲线——附录 J）；②时间相关 AUC（t-AUC——固定随访点的判别）；③中心分层性能（四国拆分——域移审计）；④决策曲线分析（DCA——临床净收益）——summary paper 未报这些——挑战赛评估协议的"可扩展空间"。

附录 AQ：参与规模披露光谱（七条挑战赛型扩展版）

条目	参与规模	信源形态	可信级
CHIMERA	159 submissions/13 顶级模型	GC 动态页+paper	高（双源一致）
CHIMERA-agent	302 participants/305 submissions	GC 动态页	高
autoPET V	266 participants/181 submissions	GC 动态页	高
TopBrain	（未在本条目披露范围）	—	—
LEOPARD	16 teams/9 models	summary paper 逐字	最高（学术定稿）
LEOPARD（二手）	“hundreds of teams”	Paicon 新闻稿	低（膨胀一个量级）
OWL	15 participants（冷启动）	workshop 官网	中

光谱判读：学术 paper 口径>平台动态页>workshop 官网>企业新闻稿——四层信源的可信梯度——"hundreds vs 16"案例证明企业宣传稿不可作为规模锚
引用纪律：正文规模数字一律用最高可信级信源；低级信源数字仅作"膨胀案例"教学素材（附录 S）——本库信源分级制度在参与规模维度的落地

附录 AR：中英术语对照总表（生存预测域）

中文	英文	本条目语境
生化复发	biochemical recurrence (BCR)	术后 PSA 回升定义的复发终点
复发时间	time to recurrence (TTR)	预测目标（年）
删失	censoring	未复发者的随访截断——标签为下界
一致性指数	concordance index (C-index)	删失感知排序指标
部分似然	partial likelihood	Cox 模型的删失感知似然
风险比	hazard ratio (HR)	Cox 系数指数化
多示例学习	multiple instance learning (MIL)	bag=WSI/instance=tile 弱监督范式
注意力池化	attention pooling	AB-MIL 的 bag 聚合机制
金字塔格式	pyramidal format	多分辨率 TIF 存储结构
全切片图像	whole slide image (WSI)	千兆像素病理扫描图
基础模型	foundation model	大规模预训练病理编码器（UNI 等）
域移	domain shift	中心间染色/扫描差异导致的性能落差
终评	final evaluation	9 模型入选的复核评估
发布禁运	publication embargo	journal paper 前的发表管制
术后量表	post-surgical nomogram	CAPRA-S 等临床风险工具
切缘状态	margin status	手术边缘是否有癌——CAPRA-S 要素
精囊侵犯	seminal vesicle invasion	病理分期要素
辅助治疗	adjuvant therapy	术后放疗/ADT——AI 时钟的决策场景
校准	calibration	预测时间与实际发生的吻合度
决策曲线分析	decision curve analysis (DCA)	临床净收益评估

附录 AS：阅读路径指南（三类读者三入口）

数据工程师入口（想直接用数据）：INFOBOX→§4 数据集（口径三重奏）→附录 B（规格卡）→附录 AH（AWS 复现实录）→附录 T（复现骨架）——30 分钟上手
方法研究者入口（想复现/超越 0.740）：§3 任务→§6 评估体系→§7 方法生态→附录 I（MIL 谱系）→附录 C（C-index 教学）→附录 AP（协议六问）——一条从数据到 loss function 的完整路径
临床信息学家入口（想评估落地价值）：§2 临床背景→附录 C 三级阶梯→附录 M（临床整合路径）→附录 W/X 教学卡→附录 AJ（正确引用姿势）——从 0.740/0.739/0.785 到决策树
条目考古者入口（本库方法论读者）：§0 定位→附录 F（口径档案）→附录 N（模板 v1.7）→附录 AO（生产总结）→§10 总结——六条挑战赛型的生产学合卷

附录 AT：挑战赛型 vs 数据库论文型——AI-Ready 双形态对照

本库两类数据资产形态的结构差异（以 LEOPARD 代表挑战赛型、以 LMC1 型数据库论文为代表对照）：

维度	挑战赛型（LEOPARD）	数据库论文型（LMC1/Sci Data 型）
数据组织	train/val/test 三分+隐藏测试	train/test 或全开放
标签披露	赛时隐藏测试标签	全量标签随数据发布
评估协议	平台侧黑盒复跑+排行榜	论文报告+社区自评
基线交付	baseline paper（常延期）	论文内嵌+代码仓库
规模口径	多口径漂移高发（附录 R）	版本冻结单口径为主
学术出口	summary+journal 双级	数据库论文单级
生命周期	赛事结束→论文→冻结	持续维护（版本更新）
参与者角色	参赛者→共作者	用户→引用者
AI-Ready 强项	评估协议标准化（C-index 可比）	数据本体文档完备
AI-Ready 弱项	评估侧黑盒+禁运	缺 leaderboard 实战校验

互补判读：挑战赛型提供"实战校验过的评估协议"，数据库论文型提供"完备的数据本体文档"——理想数据资产的完整形态=两者之和——LEOPARD 的 MIDL summary（协议固化）+AWS Registry（本体完备）恰好两头都占——评分卡 7.4 的结构性原因
对本库生产的启示：挑战赛型条目的 FACTS 应双卷建（赛事卷+数据卷）——LEOPARD FACTS 13 节已按此实践（§1-9 赛事/§11-13 数据与写作）

附录 AU：LEOPARD 年表长卷（2024 逐月档案）

2024-01：筹备期——组织方定档 MICCAI 2024 satellite（摩洛哥马拉喀什，10 月上旬）——四国病理协作网启动数据协调（荷兰/德国/法国/意大利）
2024-02-19：SPIE Medical Imaging 大会官方宣布——首个公开信号
2024-03-09：MICCAI 2024 官方接收通知——挑战赛获得顶会背书
2024-03-26：USCAP 年会宣布——病理社区触达（上游数据权威圈）
2024-04-18：训练集发布（508 例/2 TB）+注册开放——AWS 直下通道同期可用
2024-05~06：开发期——16 支队伍陆续注册；参赛栈以"基础模型+MIL"为主流组合搭建
2024-07-03：验证集（99 例）+验证排行榜开放——参赛者自评调参窗口开启
2024-07-14：测试集（824 例）+测试排行榜开放——正式竞争开始
2024-08-18：提交截止——容器化推理提交封板
2024-08-28：决赛邀请发出——初评筛选完成，top 队伍进入终评复核窗口
2024-09：终评复核——平台侧复跑+方法审查（16→9 的遴选落地）
2024-10-06：MICCAI 2024 workshop 宣奖（Room Jade, Palmeraie Rotana Resort）——Litjens 主题演讲开场 20 分钟+Faryna 主持五队 oral+八队 poster+颁奖——"results and materials will be made publicly available after the workshop"承诺入档
2024-10-18：Paicon 发布夺冠新闻稿（2nd place 明文——含"hundreds of teams"膨胀表述——附录 S 存照起点）
2024-11~2025：禁运期——journal paper 与 baseline paper 撰写；参赛者整理独立成果排队
2025：CHIMERA 启动（Radboud 系二代——官方推荐 LEOPARD 为预训练源）；OWL 筹备启动（Faryna 主导——同数据+解释任务）
2026：summary paper 发表于 MIDL 2026 Short Papers（Poster track，OpenReview bW5oerBwg8）——0.740/0.739/0.785/0.766/0.799 五数字学术定稿
2026-09-25：本条目核查与生产（库内三代线收口）——抓取时点全记录见附录 AM
未来（预案）：journal paper×2 发表→禁运解除→条目按附录 AN 预案更新（冠军明文化/删失比例回填/口径归一）
年表判读：从宣布到宣奖 7.5 个月（2024 内完成）——六条挑战赛型最快闭环；宣奖到 summary paper 14 个月；paper 到 journal 仍在途——赛事快、出版慢的挑战赛时间结构——“比赛是冲刺、论文是长跑”

附录 AV：数据采集实操建议（面向 AI 工程团队）

磁盘预算：训练集 2 TB——建议 2.5 TB 工作区（留验证/扩展与中间产物空间）；金字塔 TIF 不可压缩存储（读放大）——本地 NVMe 优先、对象存储冷备
下载策略：aws s3 cp --recursive --no-sign-request 串行即可（us-west-2 国内带宽约 4-12 小时）；按 case_id 分片断点续传；先下 training_labels.csv（KB 级）规划采样
预处理流水线建议：
- ①pyramid 流式读取（openslide/pyvips——勿整图进内存）
- ②组织分割过滤白背景（Otsu/HSV——tile 保留率通常 20-40%）
- ③tile 尺寸 512×512 @20×（与 UNI 预训练分布对齐）
- ④多切片拼装文件按 slide 分组——保留层级信息给层级 MIL
- ⑤特征缓存为 fp16 .h5——508 例全量特征约 30-80 GB
训练配方基线（对齐参赛主流）：UNI 冻结特征→AB-MIL 注意力池化→Cox 头→部分似然 loss→5 折 CV→验证集（99 例）选模→C-index 报告（lifelines 实现带删失）
验收参照：验证集 C-index 低于 0.60 检查域移（染色归一/Macenko）；0.60-0.70 与 IUComPath 同档；>0.70 参照终评头部（0.740 测试集口径——验证/测试不可混报）
合规清单：CC BY-NC-SA 归属声明（Radboudumc+挑战赛引用）+禁运核查（成果发表时机——附录 K）+非商业用途声明——三件齐备再开工

FAQ 补遗二：8 问（Q33-Q40）

Q33：为什么叫 LEOPARD 而不是更直白的缩写？
豹=速度与精准的隐喻（对齐"预测复发时钟"），且六字母恰好内嵌全称——命名工艺上比首字母缩略（如 BCRP）更有记忆点；动物名在 GC 平台有传统（同平台 OWL 猫头鹰接棒）。

Q34：508 例训练集里有多少复发事件？
官方页面与 summary paper 摘要均未披露 event 分布（删失比例）——AI-Ready 检查单第 2 项缺口；实操者下载 training_labels.csv 后一行代码可得（附录 AH）。

Q35：ASAP 是什么工具？
全切片阅片与标注桌面软件（Geert Litjens 开发，Radboudumc）——支持金字塔格式+标注导出——LEOPARD 数据的可视化入口之一（AWS Registry 工具资源栏推荐）。

Q36：四国终评数据的标签也公开吗？
测试集标签赛时隐藏；赛后 2,181 例全量标签是否随 AWS bucket 开放未确认（Registry 描述"all data"但未逐项核验）——引用评估侧数字时以 summary paper 为准。

Q37：能把它当作通用前列腺癌数据集用吗？
定位是"生存预测任务数据"——无区域级 Gleason 标注（SICAP 有）、无分级标签官方版（PANDA 有）——跨任务使用需自行衍生标注并尊重 NC 条款。

Q38：summary paper 为什么是 49+31 位作者？
OpenReview 显示 49 人+31 位 additional——总数约 50；结构=组织方约 20（含四国病理网）+参赛队代表约 30——参赛者全员入署的合作范式（附录 E）。

Q39：与 TCGA-PRAD 比有什么优势？
TCGA-PRAD（前列腺癌 TCGA 队列）约 500 例 WSI+多组学——但随访与 BCR 终点完整性有限、无统一挑战赛评估；LEOPARD 优势=删失格式标准化+四国终评协议+排行榜可比性——两者互补（TCGA 可作外部验证候选）。

Q40：为什么本条目被排在 GC 五连之后补库？
五连期间（531-535）LEOPARD 是 535 OWL 的前作锚——当时未入库；补库使"被引用最多的缺失节点"补齐——三代线三角（636↔633↔635）闭环——补库策略的教科书场景。

本附录批次（AP-AV+补遗二）为第六加厚波——覆盖实操采集/术语对照/读者路径/年表长卷/FAQ 40 问全量。

附录 AW：尾卷——给下一位补库者的便条

本条目的补库流程复盘（三小时级全程）：
- 核查五轮：主页（禁运横幅+临床背景全录）→data（508/99/824）→timeline（九节点）→workshop 节目单（13 队全名单——本轮最大意外收获）→summary paper 追查（MIDL 2026——2,181/16 队/C-index 五数字——缺口全补）
- 事实档案：FACTS.md 13 节（比五连平均多 2 节——补库反向校验专节）
- 四块组装：part1（frontmatter+INFOBOX+§0-2）/part2（§3-9）/part3（FAQ+清单+术语）/part4（附录 A-AC+§10）——直接写 .md 绕开 .py 闭合陷阱（535 流程修正三连生效）
- 加厚七波：AD-AG/AH-AJ/AK-AM/AN-AO+FAQ 补遗/AP-AS/AT-AU/AV+补遗二——每波写后 wc 校准（压缩密度预警持续生效）
补库与全新条目的流程差异清单：
- 多做：前作锚反向校验（引用 rid 633/635 的事实一致性）——本条目在 535 FACTS §5 的 LEOPARD 记录全部复核无误
- 少做：平台结构探索（GC 模板已熟）——核查轮数减半
- 不同：赛后论文检索前置（附录 AC 教训③）——completed 状态条目的信息重心在 paper
留给后续批次的接口：
- TopAneu 2026：423 participants——参与规模新极值（附录 AQ 光谱待更新）
- HECKTOR 2026：头颈多模态系列——第六批系列前作锚候选
- REG²：病理报告生成——文本族回归 GC 平台
- PANDA/SICAP：前列腺上游数据——三代线反哺（附录 AG 生态地图）
收尾三行：
- 数据一致：三口径分层呈现、五数字学术定稿、旁证链不下断言
- 网络一致：636↔633↔635 三角+636↔632 对照+459 病理族横向
- 流程一致：查重守卫+双检+关键词验证——本条目延续全部既有硬性关卡

附录 AX：工程坑点八则（LEOPARD 复现实战排雷）

坑点 1：整图读入金字塔 TIF 第 0 层——全分辨率层可超 100,000×100,000 像素——tifffile.imread 一次性读入即 OOM；必须 openslide/pyvips 流式按 tile 读取，或读低分辨率层定位组织区后再取高分辨率 tile。
坑点 2：bag 定义错位（多切片拼装误当单玻片）——multi-slide packed 文件里一个 case_id 对应多张玻片；把整个 WSI 文件当单 bag 会把不同蜡块/区域混进同一注意力池——正确姿势是 case 级层级 MIL（slide 聚合→case 聚合）或至少按 slide 分组特征。
坑点 3：对删失样本直接上 MSE——event=0 的 follow_up_years 是"至少活了这么久"的下界而非真实复发时间——直接回归有偏；用 Cox 部分似然/排序损失（删失感知），或对删失样本单侧惩罚（AIRAMatrix 的 modified MSE 思路）。
坑点 4：无删失版 C-index 误用——sklearn 无生存版；用 lifelines.utils.concordance_index 或 scikit-survival（带删失权重）——事件率与删失率影响巨大，错误实现可虚高 0.05+。
坑点 5：验证榜/测试榜口径混报——99 例验证集调参后的成绩不能当测试成绩引用——IUComPath 内部 0.733 vs 验证 0.603 的落差就是教训；报告必须注明"验证集/测试集/终评队列"哪个口径。
坑点 6：引用二手膨胀数字——Paicon 新闻稿"hundreds of teams"vs summary paper"Sixteen teams"——参赛规模/名次/成绩只用一手学术源；新闻稿数字仅作教学案例。
坑点 7：金字塔元数据丢失——多切片 TIF 的 per-slide spacing/metadata 在简化读取时易丢——下游若做尺寸相关计算（如 tumor area 归一化）会静默出错；读取后断言 spacing 非空。
坑点 8：C-index 打平误读为超越——0.740 vs 0.739（ISUP）是统计打平不是超越——置信区间大概率重叠；引用规范见附录 AJ——"AI 撞平病理分级、融合才有增益"是唯一正确表述。

§10 总结：三代线的第一块砖

LEOPARD 的库内身份最终定型：Radboud 生存预测三代线的源头+六条挑战赛型可获取性最高档+MIL 范式统治实证+诚实刻度样本
四个可迁移结论：①AI 与现行临床工具的关系是"撞平+融合增益"（0.740/0.739/0.785→0.799）而非替代；②弱监督 WSI 生存预测的方法空间被 MIL 范式近乎穷举（13/13）；③数据资产届际复用（508 例→OWL）使挑战赛系列化的边际成本骤降；④口径漂移集中于评估侧——训练集（可下载可数）与评估集（只存在于叙事）的信息透明度天然不对称
对 AI-Ready 数据集评估的方法论增量："最开放入口"原则（可获取性锚定 AWS 直下而非 GC 注册墙）+禁运双钥匙字段+赛后论文追查前置——三项进入 GC 核查模板 v1.7
三代线收口仪式：本条目上线后，rid 636↔633↔635 三角互链闭环——同一临床问题（前列腺癌 BCR）的三种任务形态（预测/融合/解释）在库内完成档案化——"数据不动问题升级"的第一份完整标本

（完）——千方病案医数集 GC 挑战赛族·补库第一发

补库备忘：本条目为 GC 五连（531-535）后的补库条目——rid 633/635 的前作锚引用经互链重建自动收口；GC 核查模板 v1.7 增补条款（补库反向锚+赛后论文追查+禁运标注）见附录 N。

数据一致性声明：本条目全部事实经多源交叉验证（官方页面五源+MIDL 2026 summary paper+参赛队旁证三源），未验证项（冠军明文/删失比例/测试标签去向/IRB）已在口径注中显式标记。