《Frontiers in Big Data》：GICPIdb: an archival repository of multimodal data focusing on pathological images for gastrointestinal cancers
编辑推荐：
引言：深度学习（DL）在从胃肠道（GI）癌症常规组织病理学切片预测生物标志物方面展现出巨大潜力。然而，大多数现有模型在有限患者队列上验证，且病理图像标注与分子标志物标准化需要大量专业知识。为解决这些差距，研究人员构建了胃肠道癌症病理图像档案库（GICPIdb,
引言：深度学习（DL）在从胃肠道（GI）癌症常规组织病理学切片预测生物标志物方面展现出巨大潜力。然而，大多数现有模型在有限患者队列上验证，且病理图像标注与分子标志物标准化需要大量专业知识。为解决这些差距，研究人员构建了胃肠道癌症病理图像档案库（GICPIdb, gicpidb.shubuzuo.top），一个覆盖七种主要GI癌症类型的专用数据库和网络平台。
方法：研究人员从多来源收集高质量苏木精-伊红（H&E）染色全切片图像（WSI）并统一处理。图像标注由认证病理学家按标准协议执行。GICPIdb提供五个交互式网络模块用于数据上传、质量控制、特征提取、在线标注和基于AI的预测。其直观界面支持数据浏览、检索、可视化和下载。
结果：该数据库容纳2,863张病理学家标注、统一处理的高质量H&E染色图像，来自2,655名患者。其中1,699名患者来自癌症基因组图谱（TCGA），182名来自临床蛋白质组肿瘤分析联盟（CPTAC），424名来自中日友好医院，350名来自内蒙古赤峰市医院。其还整合了超过50个关键分子标志物（如微卫星不稳定MSI、肿瘤突变负荷TMB）及与生存、复发和转移相关的预后标签。
讨论：GICPIdb旨在促进DL驱动的AI工具在癌症研究与临床转化中的发展。多机构数据收集与标准化标注流程有望增强基于AI预测模型在不同患者群体中的泛化性与可重复性。
研究背景与立项依据
胃肠道（GI）癌症（含食管、胃、结直肠、肝、胰腺等）是全球高发恶性肿瘤，2026年美国新发浸润癌中占17.49%、死亡占28.54%；中国2022年统计显示胃、肝、食管癌发病率渐降而结直肠癌显著上升。全切片成像（WSI）数字化推动了计算病理学发展，深度学习（DL）已覆盖细胞分割、全切片诊断、分子分型与预后预测，并涌现出SAC-Net弱监督核分割、FMDet有丝分裂检测、CHIEF病理基础模型、PROGPath多模态预后框架及HiCervix大规模基准等成果。但GI癌DL病理模型临床转化仍受限于：公开高质量病理图像与诊断/预后/测序数据关联稀缺；WSI人工标注劳动密集成本高；缺乏东亚人群样本；图像质控、在线标注与模型比较平台标准缺失。为此，研究人员构建GICPIdb（胃肠道癌症病理图像档案库），发表于《Frontiers in Big Data》，整合七类GI癌的多中心FFPE切片、临床与基因测序数据，配套标准化流程与五模块Web平台。
主要关键技术方法（<250字）
研究人员汇总四源队列：TCGA（GDC门户下载FFPE切片/临床/测序，Aperio ScanScope CS扫描0.25 μm/像素）、CPTAC（TCIA取切片、GDC取临床测序，0.2527 μm/像素）、中日友好医院与内蒙古赤峰市医院2020–2025年术后H&E切片（PRECICE 500扫描40×、0.25 μm/像素）。由三名≥10年GI病理专家初审剔除无瘤/非靶瘤切片，ASAP手绘肿瘤ROI存XML；百张双盲标注用Dice相似系数（DSC）评一致性（均0.87，0.78–0.94）；双签+三人共识质控。流程含HistoQC质控、256×256（0.5 μm/像素）切块（组织覆盖≥70%）、Macenko颜色归一化（TIAToolbox）、CLAM/RetCCL/CTransPath深度学习特征与WMCM+RGB矩手工特征。分子端用maftools算TMB（每癌种25%分位为高）、文献/NGS/IHC定MSI、Knijnenburg法取HRD（阈42）。AI预测模块复用既往TCGA-CRC/STAD预训练模型测MSI/TMB，指标含AUC/准确率/F1/Brier/ECE。
研究结果
Overview of GICPIdb：最终库含2,655患者2,863张标注H&E WSI，覆盖七种GI癌，每例附≥50分子标志与预后标签（OS/PFI/DFS/DSS/复发/转移）。
Browsing module：支持Case ID与临床/病理/分子/预后多维筛选；统计页可视化显示98.5% MSI-H患者伴TMB-H，而TMB-H群体内MSI-H与MSS分布较均；可下载标注、CLAM特征、HistoQC、颜色纹理特征及临床表；t-SNE显示RetCCL对MSI/TMB分层判别最优。
Application modules：五工具——Data Upload（私数注册隔离）、Feature Extraction（H5存向量+坐标）、Quality Control（HistoQC亮/对比/伪影/染质）、Online Annotation（HistomicsUI）、AI Predictor（选图+ROI注文件，NM模型出各类概率+Grad-CAM+Hover-Net核分割；TOAD出终类）。CRC MSI模型TCGA内测AUC 0.858，外推CPTAC-CRC 0.784、ChiF-CRC 0.803、ZhongRi-CRC 0.753；CRC TMB AUC 0.856；GC MSI TCGA-STAD AUC 0.828；GC TMB两模型AUC 0.836（Chang等2026）与0.767（TOAD）。Grad-CAM示模型关注淋巴细胞、间质与癌区。
Comparison of GICPIdb with existing publicly available pathology databases：相较TCGA/TCIA/CPTAC/HISTAI（散原始片无分子整合）、CAMELYON16/17/PANDA/LC25000/PanNuke（单器官无分子），GICPIdb独有价值在于七GI癌+四源2,863 WSI+≥50分子标志+六预后端点+手注ROI+Macenko/CLAM/RetCCL/CTransPath预处理+内置MSI/TMB预测，降低病理AI计算门槛。
讨论与结论翻译
多中心异源致染色/扫描域偏移，Macenko未能全消内在变异，未来将联伙伴医院立统一染色SOP。t-SNE未清晰分离MSI/TMB系因局部邻域保留、分子表型无全片均匀形态、块聚片稀释稀疏信号、微环境异质；后续探注意力块解构与监督对比学习。库留原始非同义突变数供自定TMB切点（10或20 mut/Mb或癌种分位）。计划年更：扩队列、加分子亚型/放疗/免疫/新辅反应标签、粗注升细胞级、扩胃MSI/TMB独立验证、加TIL量化与核分割、语义版本归档、IRB脱敏合规。结论：GICPIdb是高质标注GI病理多模态库与Web平台，通过多机构采集与标准流程提升AI模型泛化与可重复，加速计算病理学在GI肿瘤的临床转化。
