开源结构化注释与计算工作流平台：推动数字病理学研究的高质量数据生成与AI整合

本研究针对数字病理学（DP）中注释工具单一标签化、协议标准化不足及溯源缺失等问题，开发了CRS4数字病理学平台（CDPP）。该开源系统通过结构化多标签注释、可定制协议控制及计算工作流集成，显著提升了前列腺癌（PCa）等研究中的注释质量与效率，在ProMort 2等临床研究中验证了其提升数据可重用性与AI模型训练效果的潜力，为计算病理学（CP）研究提供了标准化解决方案。

　　

在数字病理学（Digital Pathology, DP）迅猛发展的今天，病理学家们正面临一个关键矛盾：虽然全切片图像（Whole-Slide Images, WSIs）的数字化使大规模数据采集成为可能，但传统注释工具的单标签扁平化处理方式，却难以捕捉组织样本中复杂的诊断特征层次关系。更棘手的是，缺乏标准化协议和溯源追踪机制导致注释结果变异度高、可重复性差，这些缺陷严重制约着计算病理学（Computational Pathology, CP）和人工智能（AI）模型的开发应用。

针对这一技术瓶颈，CRS4研究中心（意大利）的研究团队在《Scientific Reports》发表了突破性解决方案。他们开发的CRS4数字病理学平台（CDPP）创新性地整合了结构化注释体系与计算工作流引擎，在前列腺癌（Prostate Cancer, PCa）等重大疾病研究中实现了从数据采集到AI分析的全流程标准化管理。该平台通过三个核心技术突破重构了数字病理学研究范式：首先是支持多层级语义的ROI（Region of Interest）注释系统，允许对同一区域同时标注形态学特征（如Gleason模式4）和临床意义；其次是可定制的协议控制模块，通过动态界面适配和自动几何校验确保不同病理学家严格遵循统一标准；最后是集成Apache Airflow工作流引擎，实现从组织分割到AI辅助标注的自动化处理，并通过WRROC（Workflow Run RO-Crate）格式完整记录数据溯源信息。

研究团队采用多中心验证策略证实了平台价值。在ProMort 2研究中，通过比较虚拟显微镜与光学显微镜的评估结果，发现CDPP将Gleason分级组（Gleason Grade Groups）的观察者间一致性κ值提升至0.83。平台独创的"ROI标注-临床标注-随访复核"三级工作模式，使约7000张WSI的注释时间缩短三分之二。更值得注意的是，在欧盟DeepHealth项目中，CDPP成功整合了AI模型串联工作流：先通过低倍镜组织分割筛选目标区域，再用高倍镜精确定位癌变区域，最终生成的热图叠加功能使病理学家能快速聚焦可疑区域。

关键技术方法包括：1）基于OMERO的WSI管理系统支持MIRAX格式；2）动态界面适配技术根据上下文自动显示相关注释字段；3）CWL（Common Workflow Language）工作流实现AI模型串联分析；4）使用前列腺穿刺活检队列（ProMort 2研究约5000例，TPCP研究约2000例）进行验证；5）WRROC格式记录完整计算溯源。

【结构化注释提升数据质量】

通过图6所示的层次化数据模型，CDPP实现了对穿刺活检样本的精细标注：从切片（slice）到核心（core），再到聚焦区域（focus region）和Gleason亚型，形成完整的空间-语义网络。在TPCP研究中，这种结构化注释直接指导了肿瘤组织的精准取样用于DNA甲基化分析。

【协议控制确保一致性】

图5对比了两种典型工作模式：单人线性流程适用于常规筛查，而多人并行审核（如ProMort 2升级研究）采用"初始标注-双盲复核-争议裁决"流程，使Gleason评分升级分析的观察者间差异降低37%。

【计算工作流赋能AI整合】

如图7所示，平台将组织分割与癌变分类模型串联，通过热图聚类实现智能导航。这种设计使DeepHealth项目的AI辅助注释效率提升300%，同时完整保留了算法参数、软件版本等溯源数据。

这项研究标志着数字病理学工具从单纯可视化向智能分析平台的范式转变。CDPP的创新价值体现在三个维度：方法学上首次将结构化语义网络引入病理注释；技术上实现协议控制与计算溯源的深度融合；应用上通过Hybrid Hub等项目扩展至乳腺癌、结肠癌等多病种研究。正如作者Luca Lianas强调的，该平台使ProMort 2和TPCP研究的注释数据能被二次利用于转移性PCa等新研究问题，这种"注释一次，多次使用"的特性，正推动数字病理学向FAIR（可发现、可访问、可互操作、可重用）数据生态演进。随着OME-Zarr和DICOM标准支持的持续完善，CDPP有望成为连接临床PACS系统与科研AI模型的桥梁，加速精准医学时代的病理诊断革命。