Grand Challenge：CHIMERA-agent 前列腺癌全程多模态智能体基准
一个智能体多模态 AI 基准，覆盖前列腺癌患者全程，从基于 MRI 的诊断到长期生化复发预测，处于数据缺失、碎片化和跨模态冲突的真实临床条件下
基本信息
资源简介
Grand Challenge：CHIMERA-agent 前列腺癌全程多模态智能体基准
CHIMERA-agent 是一个面向前列腺癌全程管理的智能体多模态人工智能基准，其英文全称为 Grand Challenge: CHIMERA-agent。该基准覆盖前列腺癌患者从基于 MRI 的诊断到长期生化复发预测的完整诊疗路径，并特别强调在真实临床条件下进行评估，这些条件包括数据缺失、信息碎片化以及跨模态之间的冲突。它属于肿瘤领域中的前列腺癌方向，托管于 chimera-agent.grand-challenge.org。作为一个智能体基准，其核心目标并非单一模型的性能比较，而是考察智能体在复杂、不完整、多来源信息环境中的综合推理与决策能力，从而更贴近实际临床工作流的挑战。
【数据集背景】
前列腺癌的诊疗通常涉及多个阶段和多种数据模态，从影像学检查到实验室指标，再到长期随访中的复发监测，信息往往分散在不同系统与时间点。传统的人工智能模型多在理想化、结构完整的数据集上训练和评估，难以反映真实临床中数据缺失、记录碎片化以及不同模态之间相互矛盾的情况。CHIMERA-agent 正是在这一背景下提出的智能体多模态 AI 基准，旨在覆盖前列腺癌患者的全程管理，从 MRI 诊断到长期生化复发预测，并在具有上述真实临床复杂性的条件下对智能体进行评测。该基准的定位是肿瘤学与前列腺癌方向，强调智能体在跨模态、跨时间信息整合中的表现。
【数据内容】
该基准覆盖前列腺癌患者的完整诊疗旅程，起点为基于 MRI 的诊断，终点为长期生化复发预测。其数据涉及多模态信息，并包含真实临床条件下常见的缺失、碎片化与跨模态冲突。关于具体模态种类、样本量、字段结构、标注形式、时间跨度等细节，源站未提供。
【采集与来源】
该数据集来源于 chimera-agent.grand-challenge.org，属于 Grand Challenge 平台上的一个基准项目。关于数据采集机构、采集时间、采集地点、伦理审批、患者纳入排除标准等具体信息，源站未提供。
【适用场景】
该基准适用于评估智能体在多模态、跨时间的前列腺癌诊疗任务中的表现，尤其是需要在数据缺失、信息碎片化和跨模态冲突条件下进行推理与决策的场景。其任务范围涵盖从 MRI 诊断到长期生化复发预测的全程。关于具体的应用接口、任务形式或部署环境，源站未提供。
【使用方法】
源站未提供关于数据访问方式、使用流程、评测协议、提交格式或基线方法的具体说明。
【质量与限制】
该基准明确以真实临床条件下的数据缺失、碎片化和跨模态冲突为特征，这既是其设计上的特点，也构成对智能体鲁棒性和整合能力的挑战。关于数据质量评估指标、标注一致性、偏差分析或已知限制的详细说明，源站未提供。
【引用与许可】
源站未提供关于引用格式、许可协议或使用条款的具体信息。
下载信息
注册下载
需要注册 Kaggle 账号并登录后下载，适合需要跟踪下载记录和使用 API 的用户。
需登录公开下载
无需注册即可直接获取公开样本或文档，适合快速预览和评估数据集质量。
暂未开放有偿下载
公开数据集受托下载与技术交付服务。
提供高速下载与技术交付服务（收技术服务费，非数据销售）
暂未开放当前数据集主要来源为 Kaggle 公开托管，完整影像包建议通过原始链接或 Kaggle API 获取。
使用方式
数据集获取
源站：https://chimera-agent.grand-challenge.org/
标准获取流程：
- 访问源站链接，注册/登录账号；
- 进入数据集详情页，按页面指引申请权限或直接下载；
- 部分平台提供 SDK，例如：
- OpenDataLab:
pip install openxlab后openxlab.dataset.get(...) - ModelScope:
pip install modelscope后modelscope download - 天池: 登录后页面提供直链下载
以源站「数据下载/使用文档」页面为准。
- OpenDataLab:
数据说明
An agentic multimodal AI benchmark covering the full prostate cancer patient journey, from MRI-based diagnosis to long-term biochemical recurrence prediction, under realistic clinical conditions of missingness, fragmentation, and cross-modality conflict.
数据加载示例（图像类）
from PIL import Image
import glob, os
files = (glob.glob(os.path.join(path, "**", "*.png"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.jpg"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.tif"), recursive=True))
print("图像文件数:", len(files))
img = Image.open(files[0]); print("尺寸/模式:", img.size, img.mode)
# torchvision Dataset 方式:
# from torchvision import datasets
# ds = datasets.ImageFolder(path) # 要求 子目录=类别
目录组织与标注格式以源站说明和下载后实际文件为准。
数据缺失？
依托陕西、四川两大基地，我们与超过十家三甲医院建立直接合作关系，覆盖合规授权、采集治理、专业标注、数据交付的全流程，为AI医疗团队提供即拿即用的高质量临床数据。
⚡️ 需要数据支持或标注服务？立即联系我们获取专业方案。
