实体瘤病理数据集建设和数据标注质量控制专家意见（2019）精简解读

---

一、标本来源与伦理（基础前提）

1. 数据来源

• 公开数据：TCGA 等公共数据库，无需重复伦理审批
• 临床数据：三甲医院病理科存档蜡块 / 切片，必须伦理批准 + 脱敏（去姓名、病案号）
• 标本要求：
  • 肿瘤类型：肺癌、胃癌、肝癌、乳腺癌、结直肠癌等常见实体瘤
  • 质量：切片完整、无折叠、无污染、染色均匀（HE 标准）
  • 数量：每病种≥1000 例，覆盖不同分化、分期、治疗状态
   

2. 伦理与隐私

• 签署知情同意或获伦理豁免
• 数据匿名化处理，严禁泄露患者信息

---

二、标注团队组建（核心保障）

1. 标注医师：三甲医院病理科 **≥5 年阅片 **、主治 / 高年资住院医，独立发报告
2. 审核专家：副高及以上，负责抽检、修正标注错误
3. 权威专家：正高 / 学科带头人，解决疑难争议病例
4. 技术人员：负责软件操作、图像数字化、质控技术支持

---

三、标注核心规则（关键标准）

1. 标注对象

• 肿瘤区域：勾勒癌巢边界，区分肿瘤 / 正常 / 坏死组织
• 细胞特征：核异型、核分裂、脉管侵犯、神经侵犯、坏死
• 亚类标注：
  • 分化程度：高 / 中 / 低分化
  • 病理亚型：如肺腺癌（贴壁 / 腺泡 / 乳头）
  • 关键指标：Ki-67 指数、PD-L1 表达、淋巴结转移状态
   

2. 精度要求

• 轮廓精度：癌巢边缘误差≤10μm，完整勾勒
• 分级标准：严格遵循 WHO 肿瘤分类与病理诊断规范
• 术语统一：采用国际病理术语标准，禁止自定义名称

---

四、标准标注流程（五步闭环）

1. 数据预处理
   • 切片扫描：40× 全视野数字化切片（WSI），格式SVS/TIFF
   • 筛选：剔除破损、染色差、模糊切片
    
2. 标注实施
   • 工具：专业病理标注软件（如 QuPath、Aperio）
   • 方式：多边形勾勒肿瘤区域，分层标注（肿瘤、间质、正常）
    
3. 一级审核
   • 审核专家100% 抽检，修正漏标 / 错标，** 合格率≥95%** 方可进入下一轮
    
4. 二级复核
   • 权威专家抽检≥10%，解决争议，疑难病例会诊确认
    
5. 数据入库
   • 标注数据与图像一一对应，建立唯一 ID 索引，加密存储
    

---

五、质量控制体系（核心质控指标）

1. 过程质控

• 标注一致性：Kappa 系数 **≥0.85**（医师间一致性）
• 准确率：肿瘤区域识别 **≥98%，细胞分型≥95%**
• 完整率：关键特征（核分裂、脉管癌栓）无遗漏

2. 质控指标

• 切片合格率：≥90%（排除不合格标本）
• 标注准确率：≥95%（审核修正后）
• 重复标注误差率：≤3%
• 疑难病例率：≤5%（需专家会诊）

3. 质控方法

• 双盲标注：2 名医师独立标注，不一致则专家仲裁
• 定期复测：每月随机抽取 **5%** 数据重标，验证稳定性
• 误差分析：记录错标类型（边界、分型、特征），持续优化规则

---

六、疑难病例处理方案

1. 边界不清：免疫组化（CK、Vimentin）辅助区分肿瘤 / 间质
2. 分型困难：加做分子检测（如 EGFR、HER2）或专家会诊
3. 小样本 / 罕见癌：多中心联合标注，扩大参考病例
4. 治疗后标本：区分肿瘤残留、坏死、纤维化，结合治疗史判断

---

七、核心价值与意义

1. 行业规范：填补国内病理 AI 数据标注空白，统一标准
2. 模型可靠：高标注质量保障AI 诊断准确率
3. 临床转化：助力病理 AI合规研发、注册、临床落地

---

八、速记要点

• 团队：5 年病理医师 + 副高审核 + 正高仲裁
• 精度：肿瘤勾勒 **≤10μm 误差 **，Kappa**≥0.85**
• 流程：预处理→标注→双审→入库
• 质控：准确率 **≥95%，一致性≥0.85**
• 疑难：免疫组化 + 分子 + 专家会诊