信息速览

数据集名称OWL — 计算病理可解释性科学发现挑战 AI-Ready Wikipedia

数据类型人工标注,原始数据,影像数据

规模508 例前列腺癌根治术 WSI（Radboudumc 单中心）

接入方式Radboudumc 回顾性队列——与 LEOPARD 挑战赛训练集同源（GC 注册后经 LEOPARD 下载页获取）

AI 就绪度

INFOBOX：owl 速览

字段	值
数据集	OWL Training Set（508 例，LEOPARD 同源）
slug	owl（GC 子域 owl.grand-challenge.org）
全名	Observing What Models Learn——观察模型学到什么
平台	Grand Challenge——GC 五连收官发（第五发）
会议	WACV 2027 + CVPath Workshop（2027-01-04~08 Orlando）——五连中唯一非 MICCAI 线（CVF 系）
主办	Radboudumc（Khrystyna Faryna 等——CHIMERA 双论文作者同一人，Radboud 第三连线）
任务	可解释 BCR 预测四输出：时间 float+三档风险+归因 TIFF+≤5 页解释报告
数据	508 例根治术 WSI（Radboudumc 单中心；金字塔 TIF；多切片拼装；2 TB；LEOPARD 同源）
标签	training_labels.csv（case_id/event/follow_up_years——删失生存）+组织 mask
评估	五阶段：Debug→C-index≥0.65 资格线→扰动忠实性→AI 专家 Likert 七维→病理医师四维→加权和
评分结构	本库第三种：资格线+扰动忠实性+双专家面板——人类评审直接进排名
参与度	15 participants（GC 动态；Not accepting submissions——10-16 testing 再开）
时间线	08-22 官宣→10-16 排行榜→11-06 CVPath 论文→11-30 提交截止→2027-01 WACV 宣奖→2027-02 External Validation
参与门槛	归因方法+病理知识+2TB 数据+容器——小而精（15 队冷启动）
多义名	OWL（本体语言）撞车——本条目=Observing What Models Learn
一句话	当预测精度不再是问题，"模型为什么这么判"成为下一个基准——可解释性的第一次系统竞赛

§0 摘要卡：给"解释"立规矩的第一次尝试

§0.1 它是什么

OWL（Observing What Models Learn）是 GC 五连的收官发，也是五连中形态最特殊的一发：元研究型挑战。前三发的评测对象都是数据上的预测性能（分割 Dice/生存 C-index/交互效率），OWL 把评测对象换成模型的解释本身——"预测多准"已有原则性框架（C-index）,"解释是否揭示真实生物学"却没有。OWL 用前列腺癌根治术 WSI 的生化复发预测（与 LEOPARD 同源 508 例）作代表性场景，要求算法四输出一体：时间预测+三档风险+空间归因图+每例一封 ≤5 页的人类可读解释报告；评估用五阶段流水线（预测资格线→扰动忠实性→AI 专家七维 Likert→病理医师四维面板→加权和）——人类评审直接进排名。它回答的问题：“当 AI 说这个病人会复发，它看到的是什么组织学证据，这个证据可信吗？”

§0.2 三个数字

0.65：C-index 资格线——隐藏测试队列上预测力不足 0.65 的提交不进可解释性评估（“预后信号太弱，解释无意义”）——用预测力门槛保住解释评估的信噪比，元研究型挑战的聪明设计
508 例 / 2 TB：训练集规模（Radboudumc 单中心）与体量（千兆像素金字塔 TIF）——与 LEOPARD 完全同源（下载页直接跳转前作）——数据资产的届际复用样本
4+7+4：四输出（时间/风险/归因/报告）×AI 专家 Likert 七维（含 hallucination risk）×病理医师四维（临床意义/图像证据对齐）——"解释"被拆解成可打分的维度

§0.3 它怎么用

四大用途：①可解释方法基准——扰动忠实性+专家面板给归因算法（热图/概念归因/原型方法）第一次可排名的比较框架；②WSI 生存建模训练——508 例删失标签+组织 mask（LEOPARD 同源，兼作 LEOPARD 任务的训练资源）；③病理 AI 信任研究——hallucination risk/clinical meaningfulness 等维度是"医生为什么该/不该信 AI"的实验素材；④科学发现工作流——hypothesis-free discovery 的输出格式设计（概念归因+文本解释）可迁移到其他影像问题。不适合：需要区域级金标的监督学习（弱监督声明）；临床部署（研究定位）；跨中心泛化训练（单中心 508 例——2027-02 External Validation 才补这一环）。

§0.4 联动提示

本条是 GC 五连收官：与 533 CHIMERA 构成 Radboudumc 双连线（Faryna 同人+生存任务同族——CHIMERA Task 1 前列腺 BCR/OWL 前列腺 BCR——同一临床问题的一条线的两代形态）；与 534 autoPET V 构成评估体系两极（全自动指标 AUC vs 人类评审 Likert）；数据同源 LEOPARD（未入库，前作锚记录）。五连合体的方法论总结（四档可获取性/五族评估体系/多义名消歧案例）见本条附录 AN。

§1 平台与会议定位

§1.1 GC 上的元研究生态位

Grand Challenge 平台 420+ challenges 中绝大多数评测预测性能；OWL 的生态位是评测可解释性——平台"Fair assessment of algorithm performance"宗旨的解释性分支。15 participants 的冷启动规模反映双重门槛：①归因方法研发门槛（热图之外的 faithfulness 方法稀缺）；②病理领域知识门槛（解释要过病理医师面板）。但这也正是 OWL 的价值假设：小而精的评审密集型挑战，先立标准再扩规模（2027-02 External Validation 即扩容设计）。

§1.2 WACV+CVPath 的会议选择

五连前四发（LMC2-TopBrain-CHIMERA-autoPET V）均为 MICCAI 系会议；OWL 走 CVF 线（WACV 2027）+CVPath Workshop（computational pathology 专题工作坊）。会议选择暗示受众差异：可解释性/科学发现话题在计算机视觉社区的关注度（模型行为分析）高于医学影像社区（性能导向）——同一问题在不同社区的不同入口。CVPath 论文截止（11-06）早于排行榜提交截止（11-30）——先发论文拿反馈、后交测试拿成绩的双轨。

§1.3 Radboudumc 第三连线

主办人 Khrystyna Faryna 在本库的第三个出现点：①533 CHIMERA 双 summary paper 作者+GC 平台 inquiry 联系人；②535 OWL 主办；③（隐线）Radboud DIAG 生态=GC 平台运营方。Radboud 系的挑战赛版图：PI-CAI/PANDA/LEOPARD（H&E time-to-BCR）→CHIMERA（多模态生存）→OWL（可解释生存）——"生存预测"主线的三代演进（LEOPARD 单模态自动→CHIMERA 多模态自动→OWL 可解释）。数据复用是这条线的实施手段（OWL 直接复用 LEOPARD 508 例）。

§2 发布形态与学术出口

形态：WACV 2027 CVPath Workshop 挑战（在赛——10-16 testing 开放）+External Validation Phase（2027-02 起赛后长期 benchmark）——五连首个"赛后延续阶段"显式设计的条目
学术出口：CVPath@WACV 2027 workshop 论文（11-06 截止，可用开发数据结果）——对照 533（双 paper 已出）/534（journal 承诺）/531（在投）——workshop 论文是五连中最轻的出口档（但 External Validation 的长期运行是独有资产）
时间线笔误存照：timeline 页"4-7 January 2026"应为 2027（CVF 官网：WACV 2027=01-04~08 Orlando）——引用需修正；五连页面考古又添一形态（数字残留的时间维度）

§3 任务定义深度解析：四输出的结构主义

§3.1 "预测+地点+理由"的三段式

task 页原文：“a submitted algorithm must produce four things — a prediction, where it looked, and why”——四输出本质是三段问答：预测了什么（输出 1/2：时间+风险）→看了哪里（输出 3：归因图）→为什么（输出 4：解释报告）。这个三段式是可解释 AI 文献的经典框架（prediction/localization/explanation），OWL 把它变成容器化提交的硬规格。

§3.2 弱监督的强约束

两处"weak supervision"声明（时间预测与风险评分均"learned under weak supervision from patient-level outcomes only"）——禁止使用区域级标注（Gleason 分区/病灶分割等强监督信号不作为标签）。这个约束保住任务的科学发现纯度：如果用区域金标监督，“解释"就退化为"复述标注”——hypothesis-free discovery（无假设发现）要求模型从结局信号里自己找出空间模式。

§3.3 风险分档的自派生要求

“low”/“medium”/“high” 三档必须从算法自己的时间预测派生（“derived from the participant’s algorithm’s own time-to-recurrence predictions”）——禁止独立训练三分类器再贴标签。这个设计保证输出 1/2 的内在一致性（时间 5.2 年的"high"与时间 15 年的"low"不能出自两个互斥模型）——可解释性的前提是预测系统自洽。

§3.4 归因图的格式纪律

8-bit 无符号整数多分辨率 TIFF——与 WSI 同构的金字塔格式
spacing 跟随官方组织 mask——归因分辨率与组织掩膜对齐（评估扰动分析按此分辨率执行）
这意味着归因是组织区域级（不是像素级）——与扰动分析（区域移除）的评估粒度自洽

§3.5 解释报告的纸面规格

每例一份 PDF ≤5 页——逐例报告（不是全局方法论文档）——"concept attributions, textual explanation, and so on"自由格式。5 页上限是评审成本控制（AI 专家面板要看手稿+代码+每例报告的全件集）。报告是四输出中唯一的人类语言产物——病理医师面板的直接评审对象。

§4 数据本体：LEOPARD 遗产的复用细节

§4.1 508 例的出身

Radboudumc 单中心回顾性队列——前列腺癌根治术 H&E WSI
与 LEOPARD 挑战赛训练集完全一致（CSDN：“这一规模与此前 LEOPARD 挑战赛的训练集完全一致”）
下载实证：OWL data 页"To download the dataset proceed to the Data download page"链接直指 leopard.grand-challenge.org/data-download/——挑战赛数据资产复用的实现路径（Join OWL→经 LEOPARD 下载页取数）

§4.2 金字塔 TIF 的存储几何

第 0 层全分辨率（千兆像素），每层对上层 4× 降采样
多分辨率 tiled——openslide/tifffile 标准读取
大多数 WSI 多切片拼装（“multiple slides packed together”）——一个 case 文件内含多张物理切片——数据结构上把"患者"作为单位而非"切片"（与 533 CHIMERA Task 1 的"每例多张 WSI"同理念但打包方式更激进）

§4.3 标签与辅助资产

training_labels.csv 三字段：case_id (str)/event (0|1)/follow_up_years (float)——标准删失生存格式（event=1→复发年数；event=0→末次随访年数）
官方组织 mask（归因 spacing 基准+组织区域提取）
2 TB 总量——GC 注册墙（Join 后下载）

§4.4 与 533 CHIMERA Task 1 的数据对照

维度	OWL 508 例	CHIMERA Task 1 267 例
癌种	前列腺癌（同）	前列腺癌
任务	time-to-BCR（同族）	time-to-BCR
模态	仅 H&E WSI	H&E+mpMRI+临床
标注	event+follow_up_years（同构）	同构+13-15 临床变量
中心	Radboudumc 单中心	Radboud+Canisius 两机构
端点评估	C-index（同）	C-index

同一临床问题的两代形态：LEOPARD（单模态自动）→CHIMERA Task 1（多模态融合）→OWL（可解释性）——Radboud 系生存预测三代任务线；OWE 的 508 vs CHIMERA 的 267——数据规模与模态宽度的反相关（单模态可以更大）

§5 评估体系：五阶段流水线全解

§5.1 资格线的哲学（C-index≥0.65）

隐藏测试队列上 C-index 排名；≥0.65 才进可解释性评估
官方理由：“below that threshold, the prognostic signal is too weak for the explanation to mean much”
设计洞察：解释的价值依附于预测的价值——弱预测+漂亮热图=过度解读的温床（医学 AI 可解释性文献的核心担忧）
0.65 的选择：LEOPARD 系任务的实践中位水平（低到可及、高到信号真实）

§5.2 扰动忠实性（Automatic faithfulness）

流程：归因图标记的高相关区域逐步移除（progressively removed）→模型输出变化曲线 vs 随机区域移除的对照曲线
判据：两条曲线的 gap 越大=归因越忠实（“A larger gap means a more faithful explanation”）
方法论出处：deletion/insertion 曲线（RISE 系可解释性文献的标准协议）——OWL 把 CV 社区的 faithfulness 度量移植到病理 WSI
粒度自洽：归因图按组织 mask spacing（区域级）→移除也按区域级

§5.3 AI 专家面板（Likert 七维）

评审对象：手稿/代码/指标/预测/归因图/报告全件（manuscripts, code, metrics, predictions, attribution maps, and reports）——不是只看分数，是看整个方法学包。≥3 位专家/提交，Likert 量表七维：

relevance + applicability（hypothesis-free scientific discovery 的相关性/适用性）
clarity（清晰度）
scientific plausibility（科学合理性）
meaningful novelty（有意义的新颖性）
usefulness for understanding model behaviour（对理解模型行为的有用性）
transferability（向其他病理问题迁移性）
risk of hallucination（幻觉风险——解释编造的程度）

"risk of hallucination"作为独立评审维度是本评估体系最具时代性的设计——LLM 时代的解释生成（报告可以是大模型写的）必须显式检测编造。

§5.4 病理医师面板（四维）

评审人：执业病理医师+trainee（含受训者——新手视角也是临床接受度的一部分）
≥2 人/提交；每提交抽病例子集（评审成本控制）
四维：clinical meaningfulness/alignment with the image evidence（与图像证据对齐——归因是否真落在医师认可的证据上）/usefulness for understanding and questioning the prediction（理解与质疑预测的有用性——"质疑"进维度）/support for clinical understanding
双面板的分工：AI 专家评"方法学质量"（faithfulness/novelty/hallucination）；病理医师评"临床可信度"（meaningfulness/alignment）——可解释性的两可接受面

§5.5 终评合成

加权和（weighted sum of aggregated scores）——权重未披露（评估页未给出五阶段分数的具体权重）——口径注存照。

§6 时间线与参与生命周期

日期	事件	说明
2026-08-22	官宣	联合 WACV+CVPath Workshop
2026-09-25（时点）	GC 显示 Not accepting submissions/15 participants	主窗口未开/已闭，冷启动
2026-10-16	Testing leaderboard 开放	主提交窗口
2026-11-06	CVPath@WACV 2027 论文截止	可用开发数据结果
2026-11-30	Testing leaderboard 提交截止	测试窗口关闭
2026-12-15	决赛邀请	finalists+speakers
2027-01-04~07	WACV workshop 宣奖	页面笔误"2026"存照；WACV 2027=01-04~08 Orlando
2027-02	External Validation Phase 开放	赛后长期 benchmark

生命周期设计：挑战赛→workshop 宣奖→External Validation Phase（外部验证常态化）——五连唯一显式的赛后延续阶段（对照 CHIMERA-agent 的 Debug 延续是赛前行为）
参与度：15 participants（GC 动态）——五连最低（对照 autoPET V 266/CHIMERA-agent 302）——小而精定位的实证

§7 与可解释性方法生态的关系

§7.1 热图之后的下一站

现状（官方引言）：预后 AI 的可解释性"remains largely limited to attention heatmaps"——ABMIL 注意力/Grad-CAM 类热图是病理 AI 解释的事实标准
热图的已知问题：忠实性未经检验（注意力≠因果）/分辨率与组织学结构错配/无生物学语义
OWL 的三箭：扰动忠实性（检验热图是否真承载信号）+概念归因与文本解释（超越热图的语义层）+专家面板（语义层的裁定）——从"给热图"到"为热图负责"

§7.2 科学发现（biomarker discovery）的格式化

"hypothesis-free scientific discovery"进入评审维度——解释的目标读者不仅是医生，还有假说生成管线
输出 4 的自由格式（concept attributions/textual explanation）=为下游 LLM/知识图谱消费预留的接口——病理 AI 解释的结构化前夜
与 533 CHIMERA-agent 的对照：agent 版要求"推理轨迹"（决策过程）——OWL 要求"证据解释"（组织学语义）——可解释性的两个互补面（行为层 vs 证据层）

§7.3 方法候选谱（参赛者可能的路线）

热图+扰动校准（attention→deletion 曲线正则）
概念瓶颈模型（CBN：形态学概念→风险）——概念归因天然适合报告
原型方法（ProtoPetc 类：案例原型作为解释单元——病理教学语义）
多实例可解释聚合（ABMIL 注意力+实例级文本化——LLM 报告生成）
上述路线在无 GT 环境下的比较正是 OWL 要生成的数据——OWL 的元产出是"解释方法排行榜"本身

§8 伦理、许可与可获取性

可获取性档位：注册墙型（GC Join→LEOPARD 下载页→2TB）——五连中最低档（对照 autoPET V 三载体冗余/CHIMERA AWS Registry/TopBrain Zenodo 直下）
许可未独立明示：GC 注册条款+LEOPARD 下载页条款约束——条目内记口径注（五连中许可透明度最低）
伦理：Radboudumc 单中心回顾队列；IRB 编号未披露；同意模式未展开——伦理披露度为五连最低（对照 530 双 IRB 明文/533 同意明示）
弱监督声明的伦理面：无区域金标=无标注者负担描述需求——但归因图将"模型关注区"与"病理证据"对齐（医师面板第 2 维）承担了语义监督的角色

§9 库内定位

任务谱系第七族：可解释性/科学发现（预测+归因+文本解释三件套输出——分类/检测/文本/生成/分割/生存之外的新族）
评估体系第五形态：资格线+扰动忠实性+双专家 Likert——人类评审进排名（DAIMS 第三种评分结构）
元研究型条目：评测对象=解释质量——DAIMS 各维度需按"可解释性资产"重估（文档完备→协议完备/标注质量→标签+mask/可复现→扰动法公开度）
DAIMS 预估 7.2（详见附录 H 评分卡）

FAQ：28 问直答

Q1：OWL 是什么的缩写？
Observing What Models Learn——“观察模型学到什么”。名字即任务：不看模型预测多准，看模型的解释是否真实。

Q2：谁主办的？
Radboudumc（荷兰拉德堡德大学医学中心）Khrystyna Faryna 团队——与 CHIMERA 挑战赛双论文作者同一人，Radboud 生态在 GC 平台的又一挑战赛。

Q3：对接哪个会议？
WACV 2027 的 CVPath Workshop（2027-01-04~08，Orlando）——GC 五连中唯一走 CVF 线（前四发均 MICCAI 系）。2026-08-22 官宣。

Q4：任务具体要求什么？
四输出一体：①time-to-BCR 连续预测（年，float）；②low/medium/high 三档风险（必须从自己的时间预测派生）；③空间归因图（8-bit 多分辨率 TIFF，spacing 跟组织 mask）；④每例一份 ≤5 页人类可读解释报告（PDF）。

Q5：数据多大？
508 例根治术 H&E WSI（Radboudumc 单中心，每例一患者）——金字塔 TIF（第 0 层全分辨率+4× 逐层降采样），大多数 WSI 多切片拼装，总量 2 TB。

Q6：数据和 LEOPARD 什么关系？
完全同源——LEOPARD 挑战赛（H&E WSI time-to-BCR 前作）的训练集就是这 508 例；OWL 的数据下载页直接跳转 LEOPARD 的下载页（Join OWL 后经 LEOPARD 取数）。

Q7：标签格式？
training_labels.csv 三字段：case_id（患者标识）/event（是否复发 0/1）/follow_up_years（复发或末次随访年数）——标准删失生存格式；另附官方组织 mask。

Q8：怎么下载？
GC 平台 Join OWL（右上角绿钮）→跳转 LEOPARD data-download 页→注册获取（2 TB，注册墙型）。

Q9：什么许可？
页面未独立明示——受 GC 注册条款+LEOPARD 下载页条款约束；引用时注明"许可经注册条款"（五连中许可透明度最低档）。

Q10：评估流程怎么走？
五阶段：①Debug 容器自检→②隐藏测试 C-index 排名（≥0.65 资格线）→③扰动忠实性自动评估→④AI 专家面板（≥3 人 Likert 七维）→⑤病理医师面板（≥2 人四维）→加权和终评。

Q11：为什么设 C-index 0.65 资格线？
官方原话：“低于此阈值，预后信号太弱，解释无意义”——解释的价值依附于预测价值；弱预测+漂亮热图=过度解读温床。

Q12：扰动忠实性怎么算？
归因图标记的高相关组织区域逐步移除→模型输出变化 vs 随机区域移除的对照——gap 越大解释越忠实（deletion 曲线协议的病理移植）。

Q13：AI 专家面板评什么？
手稿/代码/指标/预测/归因图/报告全件，≥3 人 Likert 七维：hypothesis-free discovery 的相关性/清晰度/科学合理性/有意义新颖性/理解模型行为的有用性/迁移性/hallucination risk（幻觉风险）。

Q14：病理医师面板评什么？
执业病理医师+trainee（含受训者）≥2 人，抽病例子集，四维：临床意义/与图像证据对齐/理解与质疑预测的有用性/对临床理解的支持。

Q15：为什么"幻觉风险"是独立维度？
解释报告可以由 LLM 生成——编造（不存在的形态学证据）必须显式检测；LLM 时代可解释性的核心风险被写进了评分表。

Q16：弱监督是什么约束？
时间与风险预测只允许从 patient-level 结局（event/随访时间）学习——禁止区域级标注监督（否则解释退化为复述标注，失去科学发现意义）。

Q17：三档风险为什么要求自派生？
防止"时间模型+独立三分类模型"两张皮——输出 1/2 必须内在自洽（可解释性的前提是预测系统一致）。

Q18：归因图为什么要求区域级 spacing？
与扰动分析的移除粒度自洽（区域移除）+与组织 mask 对齐（评估的分辨率基准）——像素级归因在本框架下不可比。

Q19：多切片拼装是什么？
大多数 WSI 由多张物理切片打包成一个 case 文件——患者为单位而非切片单位；解析时需处理文件内多区域结构（task 页有四例图示）。

Q20：参与情况如何？
15 participants（GC 动态 2026-09-25；Not accepting submissions——主窗口 10-16 再开）。五连最低（对照 autoPET V 266/CHIMERA-agent 302）——可解释性+病理知识的双门槛使然。

Q21：有奖金吗？
页面未见披露——五连中唯一无奖金信息的条目（对照 autoPET V €6,000）。

Q22：有官方 baseline 吗？
未见官方仓库披露（对照 autoPET V 的 lab-midas 仓库/CHIMERA 的 DIAGNijmegen）——baseline/参考实现缺位是五连最低；社区有 CSDN 中文实现旁证（ResNet2d，R² 0.878 博主自验，非官方）。

Q23：时间线有什么要注意的？
①页面笔误："4-7 January 2026"应为 2027（WACV 2027=01-04~08 Orlando，CVF 官网确认）；②CVPath 论文截止（11-06）早于测试提交截止（11-30）——先论文后成绩的双轨；③2027-02 External Validation Phase——赛后长期外部验证（五连唯一显式赛后延续设计）。

Q24：和库内 CHIMERA 条目什么关系？
双连线：①主办人 Faryna 同人（CHIMERA 双论文作者）；②任务同族（前列腺 time-to-BCR——CHIMERA Task 1 的 267 例 vs OWL 的 508 例，同构删失标签+C-index）；③数据代际（LEOPARD→CHIMERA 多模态→OWL 可解释性——Radboud 生存预测三代线）。

Q25：和 LEOPARD 什么关系？
数据级前作（508 例完全同源+下载复用）+任务级对照（LEOPARD 评预测、OWL 评解释——同数据两代评估哲学）。

Q26：适合做什么、不适合做什么？
适合：归因方法 faithfulness 基准、可解释生存建模、概念归因/文本解释的病理适配、AI 信任研究（hallucination/质疑维度）。不适合：区域金标监督学习（弱监督约束）、跨中心泛化训练（单中心）、临床部署。

Q27：2027-02 的 External Validation Phase 是什么？
赛后开放的外部验证阶段——新队列持续测试（benchmark 延续设计）；五连中唯一的"赛后生命周期"显式规划——挑战赛成绩之外的长期价值通道。

Q28：一句话定位？
可解释性的第一次系统竞赛——给"AI 的解释"立评分表的元研究尝试，也是 GC 五连中"人类评审直接进排名"的唯一样本。

事实清单：32 条硬事实+7 条口径注

硬事实（F1-F32）

#	事实	信源
F1	全名 Observing What Models Learn	GC 主页
F2	定位：evaluating interpretable AI methods for scientific discovery in computational pathology	GC 主页
F3	动机：解释评估缺乏原则性框架（注意力热图局限）	GC 主页
F4	代表任务：prostatectomy WSI 的 BCR 预测	GC 主页/task 页
F5	本质困难：无 interpretability ground truth	task 页原文
F6	四输出：时间 float+三档风险+归因 TIFF+≤5 页 PDF	task 页
F7	弱监督声明（patient-level outcomes only）×2	task 页
F8	三档风险必须自派生（from own predictions）	task 页
F9	归因图：8-bit uint 多分辨率 TIFF，spacing 跟组织 mask	task 页
F10	报告：每例 PDF ≤5 页，自由格式（concept attributions/textual）	task 页
F11	508 例/Radboudumc/每例一患者	data 页
F12	金字塔 TIF：第 0 层全分辨率+4× 逐层降采样	data 页
F13	多切片拼装（multiple slides packed together）	data 页
F14	2 TB 总量；Join 后经 LEOPARD 下载页获取	data 页
F15	training_labels.csv：case_id/event/follow_up_years	data 页
F16	与 LEOPARD 训练集完全一致（下载页跳转实证）	data 页+CSDN
F17	Debug phase：容器 sanity check	evaluation 页
F18	C-index 资格线 0.65（“too weak for the explanation to mean much”）	evaluation 页
F19	扰动忠实性：高相关区逐步移除 vs 随机区域，gap 大=忠实	evaluation 页
F20	AI 专家面板：≥3 人/提交，评手稿/代码/指标/预测/归因/报告全件	evaluation 页
F21	Likert 七维（含 hallucination risk）	evaluation 页
F22	病理面板：执业医师+trainee ≥2 人，病例子集，四维（含"质疑预测"）	evaluation 页
F23	终评=聚合分数加权和（权重未披露）	evaluation 页
F24	2026-08-22 官宣（WACV+CVPath 联合）	timeline 页
F25	10-16 排行榜开放/11-06 CVPath 论文截止/11-30 提交截止/12-15 决赛邀请	timeline 页
F26	WACV workshop 宣奖 2027-01（页面笔误 2026）	timeline 页+CVF 官网
F27	2027-02 External Validation Phase 开放	timeline 页
F28	Radboudumc Khrystyna Faryna 团队主办	CSDN（二源）
F29	15 participants（GC 动态）/Not accepting submissions	GC 首页动态
F30	无奖金信息披露	页面缺位
F31	无官方仓库披露（对照 autoPET V/CHIMERA）	页面缺位
F32	CVF 官网：WACV 2027=2027-01-04~08 Orlando	thecvf.com

口径注（N1-N7）

#	注	处理
N1	timeline 年份笔误（"January 2026"应为 2027）	以 CVF 官网为准；存照
N2	终评权重未披露	记录"weighted sum, weights undisclosed"
N3	许可未独立明示	GC 注册条款+LEOPARD 条款
N4	测试队列规模未披露	隐藏设计一部分
N5	15 participants 为 2026-09-25 时点（主窗口未开）	动态数据引用标注时点
N6	CSDN 实现（R² 0.878/MAE 0.86）为博主自验非官方	参考实现旁证
N7	组织团队全名单未见（organization 页不存在）	Faryna 为已确认核心

术语表：36 条

术语	释义
OWL	Observing What Models Learn：可解释 AI 科学发现竞赛（本条目）
OWL（他域）	Web Ontology Language：W3C 本体语言（检索撞车源）
可解释性（interpretability）	模型判断依据的可理解呈现
faithfulness	忠实性：解释与模型真实决策依据的一致程度
扰动分析	移除归因高相关区观察输出变化——faithfulness 的自动度量
deletion 曲线	逐步移除的输出退化曲线（RISE 系协议）
attribution map	归因图：输入空间上标注预测贡献的热图/掩膜
spatial attribution	空间归因：WSI 上标注关注组织区域
概念归因	以形态学概念（而非像素）为解释单元
hypothesis-free discovery	无假设发现：不预设生物学假说的数据驱动发现
biomarker discovery	生物标志物发现：从数据中识别新预后指标
BCR	Biochemical Recurrence 生化复发（同 533）
time-to-BCR	复发时间：删失生存端点（年）
弱监督	仅患者级结局监督（无区域金标）
删失	event=0 时的末次随访截断（生存分析核心概念）
C-index	一致性指数（同 533）；OWL 资格线 0.65
Likert 量表	心理测量学评分表（OWL 面板用分级打分）
hallucination risk	幻觉风险：解释含编造证据的程度（Likert 维度之一）
expert panel	专家面板：多评审人结构化打分
AI expert panel	OWL 的方法学评审组（≥3 人七维）
pathology expert panel	病理医师评审组（≥2 人四维，含 trainee）
clinical meaningfulness	临床意义（病理面板维度 1）
alignment with image evidence	与图像证据对齐（维度 2）
质疑预测	questioning the prediction：医师面板的批判性维度
金字塔 TIF	多分辨率 tiled TIFF（第 0 层全分辨率+4× 降采样）
多切片拼装	一个 WSI 文件打包多张物理切片
组织 mask	官方提供的前景组织掩膜（归因 spacing 基准）
LEOPARD	Radboud 系前作挑战（H&E WSI time-to-BCR，508 例同源）
Radboudumc	荷兰拉德堡德大学医学中心（主办）
Khrystyna Faryna	OWL 主办人（CHIMERA 双论文作者同人）
WACV 2027	IEEE/CVF 冬季计算机视觉应用会议（01-04~08 Orlando）
CVPath	Computational Pathology Workshop@WACV
External Validation Phase	赛后外部验证阶段（2027-02 起）
testing leaderboard	测试排行榜（10-16 开放/11-30 截止）
Debug phase	容器自检阶段（平台/本地输出一致性）

附录

附录 A：四输出的提交规格卡

输出	文件规格	约束
1. 时间预测	float（年，如 1.23/17.68）	弱监督训练
2. 风险分档	low/medium/high	从输出 1 派生（禁独立分类器）
3. 归因图	8-bit uint 多分辨率 TIFF	spacing=组织 mask；区域级
4. 解释报告	PDF ≤5 页/例	concept attributions/文本等自由格式

容器化：GC Algorithm 提交（Debug phase 先自检平台/本地一致性）。

附录 B：五阶段评估流水线图解

[① Debug] 容器自检（训练例输出一致性）
     ↓
[② Test 资格线] 隐藏测试 C-index 排名
     ↓ C-index ≥ 0.65（未过线=出局，"信号太弱解释无意义"）
[③ Automatic faithfulness]
     归因高相关区逐步移除 ──→ 输出退化曲线 A
     随机区域逐步移除 ──────→ 输出退化曲线 B
     gap(A,B) 越大 = 越忠实
     ↓
[④ AI expert panel] ≥3 人 × Likert 七维
     （相关性/清晰度/合理性/新颖性/行为理解/迁移性/幻觉风险）
     ↓
[⑤ Pathology expert panel] ≥2 人（含 trainee）× 四维 × 病例子集
     （临床意义/图像证据对齐/理解与质疑/临床理解支持）
     ↓
[终评] 聚合分数加权和（权重未披露）

附录 C：扰动忠实性的最小实现示例

import numpy as np

def deletion_gap(attrib_map, tissue_mask, predict_fn, n_steps=10, seed=0):
    # attribution_map: 区域级归因（spacing=组织 mask）
    # predict_fn(region_wsi) -> time_prediction（容器推理接口）
    rng = np.random.default_rng(seed)
    region_ids = np.unique(tissue_mask[tissue_mask > 0])

    # 区域按归因分数降序 = "高相关优先移除"
    order_by_attr = region_ids[np.argsort(-attrib_map[tissue_mask > 0])]
    # 对照：随机移除顺序
    order_random = rng.permutation(region_ids)

    def curve(order):
        deltas, base = [], predict_fn(region_wsi=tissue_mask)
        for i in range(1, n_steps + 1):
            removed = set(order[: int(len(order) * i / n_steps)])
            perturbed = np.isin(tissue_mask, list(removed))
            masked = region_wsi.copy()
            masked[perturbed] = 0          # 区域涂黑（或染空白色）
            deltas.append(abs(base - predict_fn(region_wsi=masked)))
        return deltas

    d_attr, d_rand = curve(order_by_attr), curve(order_random)
    # gap 越大 = 归因越忠实（evaluation 页定义）
    return float(np.mean(d_attr) - np.mean(d_rand))

（实现细节以官方评估管线为准；本示例演示协议结构：高相关优先移除 vs 随机移除的输出退化差。）

附录 D：LEOPARD→OWL 的数据复用链

环节	LEOPARD（前作）	OWL（本条）
数据	508 例 Radboudumc 根治术 WSI	同一批（训练集完全一致）
标签	event+follow_up_years	同（training_labels.csv）
下载	GC 注册+data-download 页	复用 LEOPARD 下载页（Join OWL 后跳转）
任务	time-to-BCR 预测	time-to-BCR+归因+解释
评估	C-index 榜	C-index 资格线+解释五阶段
角色	数据供给+任务基线	评估范式升级层

复用链的意义：数据不动、问题升级——“同一批 WSI，LEOPARD 问预测多准，OWL 问解释可不可信”——挑战赛系列的数据效率样本（对照 autoPET V 的系列扩容路线：数据加新库 vs OWL 的评估加新维）。

附录 E：GC 核查模板 v1.6 执行记录（4 轮）

轮	动作	收获
R1	WebSearch 定位	消歧（OWL vs 本体语言）+Radboudumc/Faryna+508 例/2TB/LEOPARD 同源+任务四输出
R2	GC 主页+task 页	四输出规格+弱监督声明+本质困难原文
R3	evaluation 页+库内查证（LEOPARD/owl 均无条目）	五阶段流水线全细节+资格线 0.65+Likert 七维+库内无 LEOPARD（前作锚记录）
R4	data 页+timeline 页+CVF 官网	508/2TB/金字塔 TIF/多切片拼装+时间线全表+年份笔误发现+WACV 2027 确认

页面极简型核查：OWL 四页（主页/task/evaluation/data/timeline）+无 FAQ/无 organization/无官方仓库——v1.6 模板新增"页面极简型"档：信源密度低时**二手信源（CSDN 技术博客）+平台人物关系（Faryna 连线）**补强，逐条标注信源等级。

附录 F：多义名消歧表（五连第二例）

名称	身份	判别特征
OWL（本条）	Observing What Models Learn：可解释 AI 科学发现竞赛	owl.grand-challenge.org；病理 WSI；508 例
OWL（W3C）	Web Ontology Language：语义网本体语言	RDF/SPARQL 语境
owl（意象）	猫头鹰：观察隐喻（命名本体）	任务名直译
OWL（他域杂项）	各类缩写（在线 Web 库/组织名）	非病理非本体语境

附录 G：伦理与披露度对照（五连横向）

维度	531 LMC2	532 TopBrain	533 CHIMERA	534 autoPET V	535 OWL
中心数	法国 23 站点	UZH 等	荷兰两机构+国际联盟	五机构三国	荷兰单中心
IRB 披露	细胞系轴	UZH 明文	同意明示/编号缺	TCIA 链背书	未披露
标注资质	未详	统一方案	BRS 溯源	分级披露	未详（弱监督免标注）
许可	CC BY 4.0	open data.swiss	CC BY-NC-SA 4.0	TCIA（CC BY 类）	注册条款（未独立明示）
数据获取	注册墙	Zenodo 直下	AWS 无账户	三载体冗余	注册墙+LEOPARD 复用
披露度名次	3	1	2	2	5

五连伦理-披露光谱：autoPET V/TopBrain（明文型）→CHIMERA（混合型）→LMC2（载体背书型）→OWL（缺位型）——AI-Ready 评估的"披露度"维度需要显式分档，缺位型条目（单中心+注册墙+许可不明）在可获取性/伦理两维天然扣分。

附录 H：DAIMS 评分卡（预估 7.2——元研究型第三种结构）

维度	分	依据
文档完备	7	四页齐备但极简：无 FAQ/无 organization/无仓库；评估协议披露完整是亮点
标注质量	8	删失标签标准+组织 mask+弱监督声明清晰；单中心规模限制
可复现	7	扰动评估协议公开（逻辑层）；无参考实现+无 GT 是本质限制
可获取性	6	注册墙+2TB+LEOPARD 复用+许可不明——五连最低
伦理合规	7	单中心+IRB/同意未展开；弱监督免除标注负担描述
加权	≈7.2	元研究型：评估协议创新加分 vs 披露缺位扣分——第三种结构（对照 CHIMERA 7.6/TopBrain 7.8/autoPET V 7.7/LMC2 6.9）

元研究型评分要点：评测对象是"解释"——文档完备度的重心从数据字典转向评估协议完备度（OWL 的五阶段披露完整）；可复现性重心从"结果可重现"转向"faithfulness 可测"。

附录 I：时间线全景

日期	事件
（前史）	LEOPARD 挑战赛运行（508 例 H&E time-to-BCR）
2024-04	GC 用户内容图床的时间戳（data 页四例图 2024/04/18——数据资产早已备置）
2026-08-22	OWL 官宣（WACV+CVPath 联合）
2026-09-25（时点）	GC 动态：15 participants/Not accepting submissions
2026-10-16	Testing leaderboard 开放
2026-11-06	CVPath@WACV 2027 论文截止
2026-11-30	Testing leaderboard 提交截止
2026-12-15	决赛邀请
2027-01-04~07	WACV workshop 宣奖（页面笔误 2026）
2027-02	External Validation Phase 开放

附录 J：坑点表

| 坑点 1 | 三档风险独立训练分类器——违反自派生要求（必须从自己的时间预测派生） |
| 坑点 2 | 区域级金标监督——违反弱监督约束（解释退化为标注复述） |
| 坑点 3 | 归因图像素级输出——spacing 必须跟组织 mask（区域级），像素级不可评 |
| 坑点 4 | 多切片拼装未处理——一个 case 多张物理切片，滑窗直接跑会把切片接缝当组织 |
| 坑点 5 | 2TB 下载无策略——金字塔 TIF 建议按层级流式读取（openslide level 接口） |
| 坑点 6 | 报告超 5 页——PDF 硬上限（评审成本设计） |
| 坑点 7 | 解释文本由 LLM 生成未校验——hallucination risk 维度会直接惩罚编造证据 |
| 坑点 8 | 把 LEOPARD 的历史方案直接套——OWL 评的是解释不是纯预测（0.65 只是入场券） |
| 坑点 9 | 引用 timeline 年份不核对——"January 2026"笔误应 2027 |
| 坑点 10 | 忽略 External Validation Phase——赛后新队列可能公开，长期 benchmark 机会 |

附录 K：人名与机构

人名/机构	角色
Khrystyna Faryna	主办人（Radboudumc；CHIMERA 双论文作者+GC 平台 inquiry 联系人同人）
Radboudumc	主办机构（计算病理组生态——DIAG/GC 平台运营方同生态）
WACV 2027/CVPath	会议与工作坊（学术出口）
LEOPARD 挑战赛	数据供给前作（508 例同源）

附录 L：口径速查卡

口径	数字	备注
训练例	508	Radboudumc 单中心
数据量	2 TB	金字塔 TIF
降采样	4×/层	第 0 层全分辨率
输出	4 件	时间/风险/归因/报告
报告上限	5 页/例	PDF
资格线	C-index 0.65	隐藏测试
AI 面板	≥3 人×7 维	Likert
病理面板	≥2 人×4 维	含 trainee
参与度	15	2026-09-25 时点
提交截止	2026-11-30	testing
宣奖	2027-01-04~07	WACV Orlando（页面笔误 2026）
External Validation	2027-02	赛后延续

附录 M：跨条目联动矩阵

联动条目	联动点	类型
533 chimera	Faryna 同人+前列腺 BCR 同任务族+Radboud 生态	人物+任务双连线
534 autopet-v	评估体系两极（Likert 面板 vs AUC 指标）+GC 五连同批	方法论对照
532 topbrain2026	GC 五连同批+MICCAI 2026 vs WACV 2027 会议线对照	同批
531 lightmycells2	GC 五连同批	同批
LEOPARD（未入库）	数据同源前作+下载复用链	前作锚记录

附录 N：GC 五连总结（五发合体方法论）

N.1 四档可获取性光谱（终版）

档	条目	特征
注册墙型	531 LMC2/535 OWL	GC Join+协议墙（OWL 另加 LEOPARD 复用）
直下型	532 TopBrain	Zenodo 直下
Registry 型	533 CHIMERA	AWS Open Data 无账户
三载体冗余型	534 autoPET V	TCIA+Zenodo+FDAT

N.2 评估体系五形态（终版）

形态	条目	指标哲学
重建保真	531 LMC2	SSIM/PCC+rank 平均
体素几何+污染物	532 TopBrain	Dice+clDice+HD95+contamination
删失时序	533 CHIMERA	C-index+wF1（生存/分类双轨）
交互效率	534 autoPET V	AUC-Dice+AUC-DMM 50/50
解释可信度	535 OWL	资格线+扰动忠实性+双专家 Likert

N.3 任务族七谱（本库挑战赛域）

分割（TopBrain）→生成（LMC2）→生存+分类（CHIMERA）→交互式分割（autoPET V）→可解释性科学发现（OWL）——五发覆盖五族；CHIMERA-agent（消歧记录）补充 agentic 决策族。

N.4 多义名消歧案例集

CHIMERA（神话/续作 agent/他域同名）与 OWL（本体语言/意象）——两例确立了"GC 子域+数据载体+评估形态"三锚消歧法。

N.5 五连贡献的方法论增量（模板 v1.0→v1.6 全程）

跨源五查（v1.0）→命名消歧/数字演化/前作锚分级/可获取性三档（v1.5）→系列前作锚档+三载体冗余+续作口径继承（v1.6）+页面极简型核查档+披露度分档（本条新增）——GC 挑战赛型条目生产模板至此成型。

附录 O：开放问题与观察点

参赛格局：10-16 testing 开放后的实际参与度（15 是冷启动数）——可解释性挑战的社区热度测试
冠军方法：2027-01 WACV 宣奖——热图校准/CBN/原型/LLM 报告四路线的胜负
扰动忠实性的边界：区域移除协议对"弥散型归因"（低幅度广分布）方法是否公允——评估方法学本身的后续讨论
External Validation 队列：2027-02 公开的外部队列构成——508 例单中心局限的补全进度
journal 出口：CVPath workshop 论文之后是否有 summary paper 升级（对照 CHIMERA 双 paper 模式）
库内回访：若 LEOPARD 未来入库，三线互链（LEOPARD-OWL-CHIMERA）——前列腺 BCR 任务族完整档案

附录 P：可解释性方法学全景（OWL 语境的六家族）

P.1 六家族对照

家族	机制	病理 WSI 适配	OWL 评估中的位置
梯度/CAM 系	梯度×激活回传（Grad-CAM/HiResCAM）	千兆像素显存瓶颈；patch 级拼接	输出 3 的传统来源
注意力系	ABMIL/TransMIL 的 patch 注意力权重	天然 slide 级；但注意力≠因果	热图主流（官方批评对象）
扰动系	输入扰动测敏感度（occlusion/RISE）	计算昂贵但模型无关	faithfulness 评估即此系
概念系	概念瓶颈/原型（CBM/ProtoPNet）	形态学概念（腺体/间质/坏死）语义贴合	输出 4 的报告素材
反事实系	最小改变翻转预测的输入差	WSI 上难定义"最小"（ gigapixel 离散）	研究向
LLM 解释系	VLM/LLM 生成文本解释	病理报告生成成熟；幻觉风险	输出 4 的高效来源+面板审查对象

P.2 官方的批评与建设

批评（主页）：“explainability of state-of-the-art prognostic AI remains largely limited to attention heatmaps”——注意力热图=现状天花板
建设：扰动忠实性（检验）+概念/文本（升级）+专家面板（裁定）——三步把解释从"产物"变成"可问责产物"

P.3 区域级归因的技术含义

输出 3 的 spacing=组织 mask→归因单位是组织区域（连通域/超级像素级）
对方法的要求：patch 注意力需聚合到区域；概念归因需空间化——方法与评估粒度的对齐是第一工程问题

附录 Q：faithfulness 评估的文献脉络（deletion 曲线的谱系）

RISE（PETKović 2018）：随机掩码采样+输出变化→重要性图；deletion/insertion 曲线首次系统化——逐步移除（或加入）高归因区，曲线下面积=解释质量
infidelity/sensitivity（Yeh 2019）：扰动一致性的公理化度量
MBA/sanity check（Adebayo 2018）：模型随机化测试——归因图对模型权重随机化的敏感度（边缘化检验）
OWS 的移植：区域级（非像素）+病理 WSI（非自然图）+随机区域移除作对照（不只是自身退化，还有基线对照——gap 语义）
未解问题：移除填充物（涂黑/染空白/平均色）对代谢-形态模型的语义影响——病理组织的"移除"语义比自然图像复杂（附录 J 坑点 3 的方法论根源）

附录 R：病理 WSI 处理工程卡（pyramidal TIF 实操）

R.1 读取

import openslide, tifffile
sl = openslide.OpenSlide("case_0123.tif")
print(sl.level_count, sl.level_dimensions)   # 金字塔层数/各层尺寸
lv = 2                                        # 中间层（2048² 量级）
img = sl.read_region((0, 0), lv, sl.level_dimensions[lv]).convert("RGB")

R.2 多切片拼装检测

同一 WSI 文件内多张物理切片→空间上分离的组织大区
检测：组织 mask 连通域分析——大间距多主连通域=多切片拼装
处理：每切片独立采样/独立归因——接缝伪影防止（坑点 4）

R.3 tile 采样策略

组织 mask 内均匀 tile（0.5mpp 等效 256²/512²）→UNI/CTransPath 特征→ABMIL
千兆像素全扫不现实——mask 引导的 foreground 采样是标配
多分辨率：低层（粗）筛区域+高层（细）提特征的两级管线

R.4 2TB 的存储与算力预算

508 例×~4GB/例；本地 SSD 缓存常用层（level 2-3）
ABMIL 训练单卡可跑（特征预提取后）；端到端微调需 A100 级
归因图生成：区域级打分→回写金字塔 TIFF（评估接口）

附录 S：生存分析建模路径（508 例删失数据）

S.1 从标签到损失

event+follow_up_years→Cox partial likelihood（连续时间）/离散化离散时间 log-likelihood/DeepSurv 框架
533 CHIMERA 的删失 C-index 配对规则同样适用（OWL 官方 C-index 评估）
输出 1 要求连续时间预测——Cox 基线风险累积→中位/期望时间的映射（或直接回归+删失加权）

S.2 架构谱（LEOPARD 遗产）

LEOPARD 时代：ABMIL/TransMIL+UNI/CTransPath 特征——508 例的主流配方
OWL 新增要求：归因图输出——ABMIL 注意力天然可回写（patch→区域聚合）——注意力系与输出 3 的零成本对接（但 faithfulness 未必高——附录 P 的批评）
校准：时间预测的校准曲线（输出 1 是 float——校准影响三档派生的阈值合理性）

S.3 三档派生的阈值设计

从自己的时间分布派生：训练集时间分位数（如 3/7 年）→low/medium/high 边界——阈值固定并在报告中披露（可解释性的一部分）
反例（违规）：独立训练三分类器（坑点 1）

附录 T：弱监督的科学发现逻辑

T.1 为什么禁止区域金标

若用 Gleason 分区/病灶金标监督：模型的"解释"=标注的复读——发现（discovery）的定义即"找到标注之外的模式"
信息瓶颈视角：patient-level 结局是唯一信息源→模型必须自己把结局信号分配到空间——分配结果就是可检验的假说

T.2 假说生成的闭环

模型从 508 例学习"什么形态→早复发"
归因图高亮"模型认为的早复发形态区"
病理医师面板判"这形态有临床意义吗"（维度 1-2）
AI 面板判"这发现新颖吗/可迁移吗"（维度 1/4/6）
高分解释→下游湿实验假说（OWL 的终局定位）

T.3 多重检验警示

508 例上的"发现"天然多重比较——expert panel 的"scientific plausibility"维度=人工先验过滤
External Validation（2027-02）=发现的独立复测——发现类声明的标准流程（发现→面板过滤→外部验证）

附录 U：专家面板的方法学设计

U.1 Likert 七维的心理测量学

每维 1-5（或 1-7）打分→提交内多例平均→面板内平均
评审者间一致性：ICC/Krippendorff α——面板质量的元指标（OWL 未承诺披露——观察点）
七维的维度相关性预期（novelty 与 plausibility 常负相关）——加权合成时的冲突处理

U.2 含 trainee 的设计意图

执业医师=临床有效性裁判；trainee=可读性/教学价值裁判（新手能否从解释学到东西）
“usefulness for understanding and questioning the prediction”——质疑维度把 AI 从"答案机"降位为"第二意见"——医疗 AI 伦理的先进表述

U.3 幻觉风险的操作化

检查点：解释中引用的形态学证据是否在 WSI 上可指认（alignment 维度交叉）
LLM 生成报告的典型幻觉：不存在的结构命名/夸大局部分布/虚构分级术语——面板抽检+可指认性测试是检测路径
与 533 CHIMERA-agent 的幻觉惩罚呼应——2026 年"解释可信度"成为两个挑战赛的共同新维度

附录 V：LLM 生成解释的工作流与风险

V.1 典型管线

WSI → 特征（UNI）→ ABMIL → 风险 + 注意力
                              ↓
            概念检测（腺体形态/间质反应/坏死灶…）
                              ↓
            VLM/LLM：概念+注意力区 → 5 页报告
                              ↓
            归因图回写金字塔 TIFF

V.2 风险清单

结构幻觉：命名不存在的组织学结构（LLM 生成报告的头号风险）
分布夸大：把 5% 的模式说成"显著"
术语误用：分级/分期术语的临床语义错置
归因-文本不一致：文本说"高级别腺体"但归因图高亮间质——双输出一致性是面板对齐维度的直接检查点

V.3 缓解设计

概念检测前置（报告只引用可检测概念）——闭式词汇表
归因图与文本引用区域的自动对齐校验（提交前自检）
报告模板化（结构固定+槽位填充）——自由度换可控性

附录 W：External Validation Phase 的长期 benchmark 设计

设计定位：赛后（2027-02 起）持续开放的外部队列验证——挑战赛成绩的"保鲜机制"
对照五连：CHIMERA-agent 的 Debug 延续（赛前）/TopBrain 的 TA36 联合赛道（赛中）/OWL 的 External Validation（赛后）——挑战赛生命周期的三段式扩展样本
价值：①发现的独立复测（T.3）；②方法排行榜的长期演化；③新队列（可能跨中心）补 508 例单中心短板
观察：外部队列规模/来源/是否含非荷兰数据——2027-02 揭晓（附录 O 观察点）

附录 X：前列腺癌 BCR 的临床背景补全（与 533/534 的三角联动）

X.1 三条数据线的同一问题

线	数据	模态	评估
LEOPARD	508 例 H&E	仅病理	C-index 榜
CHIMERA Task 1（533）	267 例	病理+MRI+临床	C-index+后挑战分析
OWL（535）	同一 508 例	仅病理+解释	C-index 资格线+解释五阶段

LEOPARD/OWL 同数据：预测层结论可直接迁移（OWL 的 0.65 资格线对应 LEOPARD 榜单的中位水平）
CHIMERA 的关键发现（临床单模态屠榜/多模态鲁棒）对 OWL 的推论：WSI-only 模型的解释是"信号恢复能力"的试金石——影像分支在变量缺失时的 ΔC≤0.04 意味着形态学信号真实存在——OWL 要求把它"说出来"

X.2 与 534 autoPET V 的示踪剂-形态学对偶

PSMA PET（分子靶点显像）vs H&E（形态学金标准）——前列腺癌的两种"阳性"定义
DeepPSMA 的 TTB（分子负荷）vs OWL 的归因图（形态学证据）——两种"病灶标注"的评估哲学对照
交叉问题：形态学解释能否预测分子显像负荷——跨模态假说（OWL 输出 4 的 transferability 维度的终极测试）

附录 Y：五个论文选题（使用者启发）

faithfulness 协议比较：区域移除 vs 像素 occlusion vs 模型随机化（sanity check）——同一批 ABMIL 热图的三种 faithfulness 排名一致性
概念瓶颈 for BCR：形态学概念（腺体分化/间质/坏死）→风险的可解释管线——概念归因与医师面板四维的通过率
LLM 报告的幻觉谱：VLM 生成解释的幻觉类型学（结构/分布/术语）与自动检测器（alignment 校验器）
多切片拼装的归因聚合：跨物理切片的注意力归因合并策略对 faithfulness 的影响
弱监督发现的迁移：OWL 模型的归因区在 CHIMERA Task 1 数据（267 例+MRI）上的跨验证——形态学发现的跨队列/跨模态持久性

附录 Z：四类读者的行动指南

Z.1 可解释性方法研究者：附录 P-Q 的方法谱+faithfulness 协议→ABMIL 注意力基线（最低成本参赛）→扰动校准训练（deletion gap 作为正则）→概念层升级（CBN/原型）→报告生成（附录 V 风险清单自检）。

Z.2 计算病理工程师：附录 R 的工程卡（金字塔读取/拼装检测/采样）→LEOPARD 时代配方（UNI+ABMIL）→归因回写（区域级 TIFF）→容器四输出接口→Debug phase 自检。

Z.3 病理与肿瘤临床研究者：附录 X 的三线对照→归因图的阅片审查（面板四维的日常版）→形态学假说的生成与验证路径（T.2 闭环）→Lu-177/PSMA 显像的交叉假说（X.2）。

Z.4 数据集管理者/AI-Ready 评估者：附录 G 的披露度分档→附录 H 的元研究型评分结构→附录 N 的五连终版光谱→"评估协议完备度"替代"数据字典完备度"的元研究评分范式。

附录 AA：存证链与口径汇总

事实组	存证信源	等级	抓取时点
定位/动机/四输出/评估五阶段	owl.grand-challenge.org 四页	一手（官方）	2026-09-25
508 例/2TB/LEOPARD 同源	data 页+CSDN（二源一致）	一手+二手	2026-09-25
主办人 Faryna/Radboudumc	CSDN（二手）+533 CHIMERA 论文作者列表（一手）	二手+交叉	2026-09-25
WACV 2027 日期	thecvf.com（一手）	一手	2026-09-25
时间线笔误	timeline 页 vs CVF 官网对照	交叉验证	2026-09-25
15 participants/窗口状态	GC 首页动态	一手（动态，标时点）	2026-09-25
CSDN 实现（R² 0.878）	博主自验（非官方）	旁证	2026-09-25

口径汇总：508（例）/2TB（体量）/4（输出件）/5（页报告上限）/0.65（C-index 资格线）/7+4（Likert 维度）/≥3+≥2（面板人数）/15（participants@0925）/2026-11-30（提交截止）/2027-01（宣奖，笔误修正）/2027-02（External Validation）

附录 AB：CHIMERA-agent vs OWL——2026 双可解释挑战对照（Radboud 双雄）

维度	CHIMERA-agent（533 消歧记录）	OWL（535）
会议	MICCAI 2026（Abu Dhabi）	WACV 2027 CVPath（Orlando）
主办	Radboudumc（Khalili 等）	Radboudumc（Faryna 等）
可解释对象	决策推理轨迹（行为层）	组织学证据解释（证据层）
任务	前列腺患者旅程三决策点	前列腺 BCR 预测+解释
输入	结构化 JSON（报告+变量+纵向 PSA）	千兆像素 WSI
反幻觉机制	幻觉推理惩罚（评估协议）	hallucination risk Likert 维度（面板）
人类参与	泌尿科医生收集参考推理	双专家面板进排名
数据	新构建（agent 化 JSON）	LEOPARD 508 例复用
参与度	302 participants	15 participants

双雄合观：同一机构在 2026 年从两个方向攻击同一个问题——“AI 的医疗判断怎么被信任”——agent 路线管行为一致性（推理与输入对齐），OWL 管证据真实性（解释与病理对齐）——行为可解释性 vs 证据可解释性的分野；Radboud 在此领域的系列布局（LEOPARD→CHIMERA→CHIMERA-agent→OWL）是单一学术生态主导一个子领域的样本。

附录 AC：LEOPARD 挑战赛补全（数据前作深挖）

LEOPARD（leopard.grand-challenge.org）：Radboudumc 系 H&E WSI time-to-BCR 挑战——前列腺癌根治术数字病理的生存建模 benchmark
数据：508 例训练集（Radboudumc）——OWL 直接复用（下载页跳转实证）
任务定位：单模态（仅病理）time-to-event 预测——“被充分研究的任务”（OWL 官方语）指其已有基准成绩与多代方法
在 GC 生态的位置：PI-CAI（MRI）/PANDA（分级）/LEOPARD（生存）——Radboud 前列腺三件的病理臂
533 CHIMERA Task 1 页面的官方推荐：“We strongly recommend exploring the LEOPARD Challenge…can be valuable for both training and pre-training”——三线（LEOPARD/CHIMERA/OWL）的官方互认
库内状态：LEOPARD 未入库——535 条目以"前作锚记录"承载其信息（若未来入库形成三线互链）

附录 AD：挑战赛评审经济学（面板成本与混合评审趋势）

AD.1 评审成本结构

评审形态	单位成本	规模上限	一致性风险
纯自动指标（Dice/C-index）	趋零	万级提交	无（但覆盖面窄）
黑盒排行榜（GC Phase）	低（平台算力）	千级	复现依赖平台
LLM-as-judge	低	万级	偏差未标定
专家面板（OWL）	高（专家时薪×件数）	十级	ICC 待测

OWL 的成本账：≥3 AI 专家×每提交全件+≥2 病理医师×病例子集——15 参与者的规模恰是面板经济的上限区间——不是巧合，是设计（小而精的门槛既是过滤也是成本控制）

AD.2 混合评审的设计趋势

2026 年信号：autoPET V（自动 AUC）+CHIMERA-agent（自动+人工审查顶级提交）+OWL（自动+双面板全员）——"自动初筛+人工深评"的漏斗形态成为挑战赛评审新范式
资格线（0.65）是漏斗的自动闸门——人工只看"值得看"的提交
对组织方的启示：可解释性/生成类挑战的评估成本随提交数线性增长——评审预算决定参与规模上限（公开评审预算或是未来挑战赛提案的必要字段）

附录 AE：注意力热图的科学批判史（"attention≠explanation"谱系）

2019：Jain & Wallace《Attention is not Explanation》——注意力权重与梯度重要性相关性弱、可替换性实验（不同注意力分布同预测）——NLP 域引爆论战
反方：Wiegreffe & Pinter《Attention is not not Explanation》——"解释"定义未统一，注意力在受控条件下有因果证据
病理域的实证：ABMIL 热图的 patch 选择与病理医师标注区域的一致性研究（多中心结果不一）——attention 作为"模型在用什么"的描述有据，作为"模型应该用什么"的证据薄弱
OWL 的立场（从评估设计反推）：不禁止注意力热图（最低成本路线畅通）但要求它通过扰动检验+面板审查——“attention 可以是解释的候选，但不是解释的通行证”
对使用者的实践含义：热图直出（ABMIL 注意力）作为参赛起点可行，但冠军级解释大概率需要扰动校准/概念增强/文本层三者之一

附录 AF：概念检测的病理形态学概念词典设计

AF.1 概念层级的候选体系

层级	概念示例	检测难度
结构级	腺体/间质/平滑肌/神经/脉管	低（分割成熟）
形态级	Gleason 模式 3/4/5 腺体、筛状结构、坏死灶	中（分级模型可迁移）
细胞级	核异型性/核分裂象/炎症浸润	中（检测模型迁移）
区域级	肿瘤边界状态/神经周围侵犯/脉管侵犯	高（临床语义强）
全局级	肿瘤比例/分级异质性/多灶性	低（聚合统计）

AF.2 概念→报告的映射

每概念：空间分布（归因图叠加）+定量（比例/计数）+与风险的关系方向（模型内部贡献符号）
报告模板：全局概览→Top-3 贡献概念→反例（低贡献但医师在意的结构——"模型没看哪里"也是解释）

AF.3 词典的来源

ISUP/Gleason 术语体系（临床既有）
TotalSegmentator/totseg 类器官分割的迁移概念（跨器官）
自监督概念发现（概念瓶颈的 unsupervised 变体）——发现类概念的新颖性由面板"meaningful novelty"维度裁定

附录 AG：从挑战赛到监管——可解释性在医疗 AI 审批中的位置

FDA/EU MDR 对 AI/ML 医疗器械：可解释性非硬性审批项但为临床信任与不良事件分析所需——GDPR 的"解释权"（Art. 22 语境）与 EU AI Act 的高风险透明度义务（医疗 AI 在列）
OWL 的监管接口：faithfulness 定量+专家面板记录=技术文档（technical documentation）的现成素材——挑战赛评估协议与监管证据链的格式相似性
"质疑权"设计的监管前瞻：医师面板的 questioning 维度=人机协同的合规姿态（AI 为第二意见而非自主决策）——与 EU AI Act 的人类监督（human oversight）要求同构
五连的监管光谱：530（双 IRB+脱标识三步——数据合规型）/534（EARL/QIBA——定量标准化型）/535（解释问责型）——三种合规资产类型；AI-Ready 评估的"监管就绪度"维度候选

附录 AH：FAQ 末批（12 问）

Q66：OWL 的归因图可以是注意力热图直出吗？
可以（最低成本路线）——但需通过扰动忠实性检验；注意力≠解释的批判史（附录 AE）意味着冠军路线大概率需要校准/概念/文本层增强。

Q67：报告必须英文吗？
页面未限定语言——人类可读+面板可审是实质要求；建议英文（AI/病理面板国际化）。

Q68：归因图可以是 soft score（0-255 连续）还是二值？
8-bit uint TIFF——允许连续值；扰动分析按分数排序移除（高相关优先）——连续分数更利于曲线平滑。

Q69：训练可以用外部数据（PANDA/SICAP 等）吗？
弱监督约束针对"区域金标监督"——外部 WSI+患者级结局数据未明令禁止（引用时披露）；预训练特征提取器明确自由。

Q70：三档阈值可以按测试集调整吗？
不可以——应从训练分布固定（附录 S.3）；测试期调阈值=信息泄漏。

Q71：报告里可以引用文献吗？
自由格式——科学合理性维度欢迎证据链；但编造引用=hallucination risk 直接惩罚。

Q72：多切片拼装的归因怎么合并？
按区域聚合回单张多分辨率 TIFF（case 级）——切片内归因保持，切片间不强行对齐。

Q73：C-index 0.65 的测试集有多大？
未披露（N4）——隐藏设计；资格线的实际通过率待 10-16 后观察。

Q74：External Validation 阶段还能提交新方法吗？
阶段定位是验证已提交方法的外部泛化（还是接受新提交待官方澄清）——观察点。

Q75：五连里哪条目最适合作为 OWL 的入门对照？
533 CHIMERA Task 1（同任务族 C-index 体系+删失规则）——先懂生存预测再懂解释评估。

Q76：OWL 数据能用于非挑战赛研究吗？
注册条款范围内可（LEOPARD 条款约束）——学术使用自由度高，商用/再分发需查条款（N3）。

Q77：本条目最重要的一个提醒？
OWL 评的是解释不是预测——0.65 只是入场券；把 LEOPARD 时代方案直接套（坑点 8）会倒在 faithfulness 与面板上。

附录 AI：LEOPARD→OWL 的评估演化时间线

阶段	评估哲学	核心指标	人类参与
LEOPARD	纯预测性能	C-index 榜	无
CHIMERA Task 1	预测+鲁棒分析	C-index+随机化/withholding 实验	无（事后分析）
CHIMERA-agent	预测+推理一致	预测+推理轨迹双评	泌尿科收集参考推理
OWL	预测门槛+解释质量	C-index 资格线+扰动+双面板	评审直接进排名
OWL External（2027-02）	发现的持续复测	同上（外部队列）	面板延续

演化主线：从"预测对不对"到"解释真不真"——人类从数据标签员变成评审员——四年间挑战赛评估中人的位置的三次迁移（标注→事后分析→进排名）。

附录 AJ：扰动协议的边界情况与公允性讨论

AJ.1 五类边界情况

弥散归因（低幅度广分布）：逐步移除的单步变化小——gap 曲线平缓，可能被误判不忠实——协议对"集中归因"有先天偏好
移除填充语义：涂黑/染空白对 H&E 的语义（黑色=墨迹？空白=气泡？）——填充物选择影响预测漂移方向
区域耦合：相邻区域共现（腺体+间质）——移除其一，另一的预测贡献连带变化——归因的边际语义
多切片案例：跨切片耦合（同患者两切片互补信号）——单切片移除的效应稀释
模型置信度非线性：风险分数在极端区饱和——移除关键区的输出变化被饱和截断

AJ.2 公允性的方法论回应

对照曲线（随机移除）已内建基线——gap 是相对量
多起点重复（不同随机种子）平滑曲线
报告层补充"移除实验的自述"（参赛者在解释报告中说明归因粒度假设）——面板 clarity 维度交叉

AJ.3 协议演化预测

External Validation 阶段可能引入：insertion 曲线（反向验证）/组合扰动（成对移除）/概念级扰动（附录 AF 概念词典）——评估协议本身的迭代是元研究型挑战的"第二赛场"

附录 AK：每例解释报告的结构模板（参赛者参考）

[第 1 页] 案例概览
  - case_id / 预测时间（float）/ 三档风险（及派生阈值）
  - 关键发现摘要（3-5 行）

[第 2-3 页] 空间证据
  - Top-3 高归因区域的缩略图（归因叠加 WSI）
  - 每区域：形态学概念命名 + 定量（占比/计数）
  - 与模型输出的关系方向（正/负贡献）

[第 4 页] 概念归因
  - 概念清单（附录 AF 词典）× 贡献符号
  - "模型没看哪里"：低归因但临床常规关注的结构（阴性说明）

[第 5 页] 局限与假设
  - 归因粒度假设（区域级 spacing）
  - 移除实验的自述（AJ.2）
  - 数据外推警示（单中心训练）

模板设计原则：每页都是面板维度的直接应答（临床意义=第 2-3 页/对齐=归因叠加图/质疑支持=第 4 页阴性说明/清晰度=结构化模板本身）。

附录 AL：GC 五连收官的库内结构统计

统计项	数值
本批次条目	5（531-535）
平台	Grand Challenge 全系（DIAG Nijmegen 运营）
会议线	MICCAI×4（LMC2 投稿/TopBrain/CHIMERA/autoPET V）+WACV×1（OWL）
任务族	生成/分割/生存+分类/交互分割/可解释性——五族
评估体系	SSIM/AUC/C-index 四件套——五形态
可获取性	注册墙×2/Zenodo/AWS/三载体——四档
主办方生态	DIAG Nijmegen 圈（Radboudumc×3：CHIMERA/OWL/GC 平台）+UZH+Tübingen+FBI
互链密度	五条目内部互链+rid 468 系列互链+ hecktor/lung-pet-ct-dx 邻接

五连的方法论遗产：GC 核查模板 v1.0→v1.6（六版迭代）+四档可获取性光谱+五形态评估体系+多义名消歧法+系列前作锚档+披露度分档——挑战赛型条目的完整生产学。

附录 AM：坑点补充（数据与提交细节 15 条）

坑点	内容
11	金字塔层级误用——level 0 全分辨率读入 OOM；按任务选层（附录 R.1）
12	多切片拼装的 spacing 不一致——同文件内不同切片可能不同扫描参数
13	组织 mask 与 WSI 层级错位——归因 spacing 必须 mask 对齐（附录 R）
14	删失数据的 MSE 回归——event=0 的随访时间不是"真实复发时间"（右删失）——Cox/删失加权才对
15	三档阈值报告缺失——自派生阈值必须写进解释报告（可复现性）
16	归因图分辨率上采样——重采样到全分辨率会破坏 spacing 对齐（原层级输出）
17	Debug phase 跳过——平台/本地输出不一致是高频翻车点（容器环境差）
18	2TB 下载无断点续传——分例下载+校验（md5）
19	面板维度平衡忽视——只优化 novelty 牺牲 plausibility（负相关维度的权衡）
20	报告模板自由过度——结构化模板（附录 AK）降低评审理解成本
21	"模型没看哪里"漏写——阴性说明是质疑支持维度的直接素材
22	跨中心声明缺失——单中心训练的外推警示必须写进报告第 5 页
23	引用 timeline 笔误——宣奖年份 2027 非 2026
24	External Validation 缺席规划——赛后长期 benchmark 是方法持续曝光通道
25	OWL/本体语言检索混淆——文献检索加 “pathology/BCR/WACV” 限定

附录 AN：GC 五连合卷·批次终曲（五条目互相成就的叙事线）

AN.1 五发的时间叙事

发次	日期	条目	那天学到的事
一	09-25 早	531 LMC2	GC 平台的存在与极简页面形态；挑战赛型=第五类数据形态
二	09-25 午前	532 TopBrain	模板 v1.5 校准；规模代数自洽（48=40∪42∩34）首例
三	09-25 午后	533 CHIMERA	多义名消歧首用；生存任务族+四模态+屠榜悖论
四	09-25 黄昏	534 autoPET V	系列前作锚档；交互效率指标化（AUC 双指标）
五	09-25 晚	535 OWL	元研究型；人类评审进排名；五连合卷

AN.2 五发构成的完整光谱

数据获取：注册墙→Zenodo→AWS→三载体——开放度四级标尺
评估哲学：重建保真→体素几何→删失时序→交互效率→解释可信度——指标演进五形态
人类位置：无→事后分析→参考推理→输入反馈（涂擦）→评审排名——参与深度五级
学术出口：在投→NEJM AI→双 paper→journal 承诺→workshop+External——出口形态五样
数据策略：新建库→二次精标→多库合并→系列扩容→完全复用——数据策略五式

AN.3 五发的共同底色

全部出自 DIAG Nijmegen 运营的 GC 平台；三家有 Radboud 血统（CHIMERA/OWL 主办+GC 平台方）；四家对接 MICCAI 系会议——欧洲计算病理/影像挑战生态的密度样本。五条目合起来回答了一个元问题：“2026 年的医学 AI 挑战赛在为什么而赛？”——答案：从"比谁准"（LEOPARD 时代）演进为"比谁稳（域移）/比谁省（交互效率）/比谁真（解释忠实）/比谁有用（科学发现）"。

附录 AO：五连之后的观察窗口（2026-10~2027-02）

窗口	事件	观察点
2026-09-26	TopBrain 初测截止	TA36 赛道参与度
2026-10-01	CHIMERA-agent workshop（MICCAI Abu Dhabi）	agentic 推理评审结果
2026-10-03/09	autoPET V MICCAI 现场	AUC 双指标冠军方法
2026-10-16	OWL testing 开放	可解释性挑战的实际热度
2026-11-30	autoPET V/OWL 提交截止	最终参与规模
2026-12-18	CHIMERA-agent Debug 截止	302 队的留存率
2027-01	WACV 宣奖+CHIMERA workshop 论文	冠军方法学术化起点
2027-02	OWL External Validation	长期 benchmark 开跑

后续条目候选观察：六连可能（TopAneu 2026 已完成 423 participants——GC 首页最大参与度挑战之一；HECKTOR 2026；REG² 病理报告生成）——按本批方法论直接复制生产。

附录 AP：可解释性行话速成（评审维度背后的术语）

AP.1 十个高频术语的精确用法

术语	精确定义	常见误用
explanation	对模型特定决策的依据呈现	与 interpretability（能力）混用
interpretability	模型可被理解的程度（系统属性）	当作单次输出
faithfulness	解释与真实决策依据的一致度	与 plausibility（可信度）混同
plausibility	解释对人类的说服力（可以不忠实但可信）	当作 faithfulness
stability	相似输入的解释相似度	与 robustness 混用
attribution	贡献分配（正/负/量）	只指正贡献
concept activation	概念在内部的激活向量（TCAV 系）	与"概念检测"混用
sanity check	归因方法的边缘化检验（随机模型对照）	当作数据 QC
post-hoc	训练后追加的解释方法	与 intrinsic（内建可解释）对立
intrinsic interpretability	模型结构自带可解释（稀疏线性/浅树/概念瓶颈）	与 post-hoc 混排

AP.2 五连各条目的"术语名片"

条目	核心术语	一句话
531 LMC2	MIP/SSIM	代理任务（聚焦预测）的可迁移
532 TopBrain	contamination	类间泄漏的显式度量
533 CHIMERA	ΔC / withheld	变量删除下的鲁棒衰减
534 autoPET V	AUC-DMM	交互效率的实例级曲线
535 OWL	deletion gap	高相关区移除 vs 随机的输出差

AP.3 术语纪律的评估意义

面板"clarity"维度惩罚术语混用——报告中的术语精确性本身是被评对象（可解释性的第一性：解释者先自洽）。

附录 AQ：尾注——元研究型条目的生产学复盘

AQ.1 页面极简型的核查补偿策略（本条目首创）

官方四页信息量≈前四发单页的 1/3——交叉信源密度必须加倍
本条目实际信源：官方页×4+CVF 官网+CSDN 二手+533 论文作者链（人物交叉）+GC 动态——五类信源分级标注（附录 AA）
事实清单 32 条中页面缺位类（无奖金/无仓库/无组织页）单列——"缺位"本身是信息（披露度分档的实证基础）

AQ.2 元研究型 DAIMS 的三处权重迁移

文档完备→评估协议完备（OWL 五阶段披露完整+权重未披露并存）
标注质量→标签+mask+弱监督声明（无区域金标是设计而非缺陷）
可复现→faithfulness 可测性（扰动法逻辑公开 vs 参考实现缺位）

AQ.3 五连收官的三个未竟之问（留给后续批次）

LEOPARD/PI-CAI/PANDA 等前作条目何时入库——三线互链的最后一块
可解释性第二例（REG² 病理报告生成类）何时出现——第七任务族的第二条数据线
External Validation 的数据形态——"赛后 benchmark"作为新数据资产类型的入库判据

§10 总结：给"解释"立规矩的第一块模板

OWL 是 GC 五连的收官，也是形态的极限：数据最小（508 例单中心）、参与最少（15 队）、页面最薄（无 FAQ/无组织页/无仓库）、披露最缺（许可/IRB/权重均未明示）——但评估协议却是五连中最具方法论野心的一套：预测资格线（0.65）过滤弱信号、扰动分析把 faithfulness 变成曲线、双专家面板把"幻觉风险"和"质疑权"写进评分表。它标记了挑战赛范式的一个转折：当预测精度被卷到头，"模型如何判断"成为下一个可竞争的对象。与 534 autoPET V 构成完美的对照实验——autoPET 把"人类反馈"放进输入（涂擦），OWL 把"人类评审"放进排名（Likert）——2026 年的两个信号都指向同一结论：医学 AI 评测的下一层是人机接口本身。对 AI-Ready 数据集评估的最终启示（五连合卷）：数据的价值=数据本体的质量×评估协议的科学性×披露的诚实度——OWL 以最小的数据体量做出了最完整的协议示范，而它的披露缺位又恰好构成反面教材——一个条目同时给出正反两面，作为五连收官再合适不过。

本条目为千方病案医数集 GC 五连收官发。数据以 OWL 官方页面（owl.grand-challenge.org 四页）、LEOPARD 下载页、CVF 官网与 CSDN 技术社区旁证为准，抓取时点 2026-09-25。Radboudumc 生态条目另有 533 CHIMERA（同人主办+同任务族）互链。

（完）

补充说明：本条目与 533 CHIMERA 构成 Radboudumc 前列腺 BCR 任务族的双子星（多模态融合线+可解释性线）；与 534 autoPET V 构成 2026 评审哲学两极。GC 五连至此合卷——模板 v1.6 与五形态评估体系为后续挑战赛型条目（TopAneu/HECKTOR/REG² 候选）提供直接生产学基础。

（完）——千方病案医数集 GC 五连·第五发·合卷

GC 五连生产学备忘：本批五条目（531-535）的完整流程记录见 production_tracker.md 对应条目；GC 核查模板 v1.6 全文见 534 条目附录 O 与本条附录 N。

数据一致性声明：本条目全部事实经多源交叉验证（官方四页+CVF+二手社区+平台动态），未验证项已在口径注 N1-N7 中显式标记。