知识卡片：ERCPMP-Gx：结直肠息肉病形态学、组织病理学与基因组特征的内镜图像和视频数据集

一句话结论：ERCPMP-Gx 是一个面向 AI 的结直肠息肉病内镜图像与视频数据集，尝试在患者层面连接内镜表型、代表性组织病理和临床报告的胚系发现，以支持遗传性息肉病综合征的识别、表征和分类；具体患者数、视频数量、缺失率、许可与伦理条件等仍待核实。

事件概述或研究问题

• 来源指出，遗传性息肉病综合征可能是结直肠癌的前驱病变，并关联多种结肠外肿瘤。
• 早期识别和准确分类对及时诊断、个体化管理及受影响家族的靶向监测策略很重要。
• 作者提出的问题是：公共内镜数据集多围绕单个散发性息肉组织，尚未在患者层面连接息肉病表型、组织病理与胚系发现。
• 为此，作者发布 ERCPMP-Gx 数据集。

方法/产品要点

• 数据集面向 AI 在结直肠息肉病识别、表征和分类中的应用。
• 多数操作使用 Olympus EVIS X1 系统，包含白光是内镜（WLE）、窄带成像（NBI）、放大 NBI（M-NBI）和 NBI with near focus 模式，产出 160 张图像及配套视频片段；视频数量、时长、患者数待核实。
• 约 80% 病例为临床和/或遗传确认的遗传性息肉病综合征（PG），包括家族性腺瘤性息肉病（FAP）、Peutz-Jeghers 综合征（PJS）、幼年性息肉病综合征（JPS）、ganglioneuroma syndrome（GNS）。
• 其余约 20% 为非遗传性息肉和形态重叠的息肉样病变（Non-PG），用于支持鉴别分类。
• 每条发布记录在可获得时链接标准化内镜标注、代表性组织病理和临床报告的胚系发现，形成 AI-ready、患者层面的标注框架。
• 数据公开于 Mendeley，最新更新与更多信息见 DataBioX 网站。

主要结果或产业意义

• 主要产出是一个患者层面、跨内镜/病理/基因组模态的数据集，而非单一算法性能结果。
• 潜在意义包括：为遗传性息肉病综合征的 AI 分类与鉴别分类提供数据基础；支持从“单个息肉”转向“患者级息肉病表型 + 分子背景”的研究范式。
• 对临床应用而言，可能服务于早期识别、个体化管理和家族监测等方向；但该数据集本身是否已验证这些临床收益，待核实。

为什么重要

• 如果公共数据长期缺少患者层面的表型—病理—胚系关联，AI 模型难以学习息肉病综合征的整体模式。
• ERCPMP-Gx 的增量在于将内镜图像/视频与组织病理、临床胚系发现放在同一记录框架中，并纳入形态重叠的非遗传性病变作为鉴别分类对照。
• 与已有参考卡片多聚焦生成模型/机器人不同，本条属于医学影像与多模态临床数据资源，主题无直接延续关系；增量是提供结直肠息肉病 AI-ready 数据集。

局限与不确定性

• 数据集规模在摘要中仅明确为 160 张图像及配套视频片段；患者数量、视频数量、病变数量、类别精确计数待核实。
• 约 80% PG 与 20% Non-PG 为摘要描述，精确比例、纳入排除标准、人口学与中心来源待核实。
• 组织病理和胚系发现为“where available”链接，缺失率与标注完整性待核实。
• 标注者数量、一致性、数据许可、伦理审批、隐私处理、访问限制、基准实验结果均未在来源材料中说明，待核实。
• 来源为 arXiv v1 摘要与数据集说明，同行评审状态待核实。

可用于图书/PPT/简报的角度

• 从“单个息肉识别”到“患者层面多模态息肉病分类”的医学 AI 数据转向。
• 遗传性息肉病综合征如何借助 AI 做识别、分类与鉴别诊断。
• 内镜图像/视频 + 组织病理 + 基因组信息的融合数据卡设计。
• AI-ready 标注框架、公开数据集可复现性与隐私伦理的讨论案例。
• 结直肠癌前驱病变与家族监测策略中的数据基础设施。

原始材料

• 英文标题：ERCPMP-Gx: Endoscopic Image and Video Dataset for Morphological, Histopathological, and Genomic Characterization of Colorectal Polyposis
• 英文关键词（由来源术语整理）：ERCPMP-Gx; colorectal polyposis; endoscopic image and video dataset; histopathology; genomic characterization; hereditary polyposis syndromes; AI-ready patient-level annotation
• arXiv ID：2609.20815v1
• 作者：Zahra Ghaffari, Massih Bahar, Mojgan Forootan, Ali Darvishi, Hamidreza Bolhasani
• 发布/更新：2026-09-17T17:59:28Z（来源材料所载）
• 主分类/分类：cs.CV；cs.CV, cs.AI
• arXiv 摘要：https://arxiv.org/abs/2609.20815v1
• arXiv PDF：https://arxiv.org/pdf/2609.20815v1
• Mendeley Data：https://doi.org/10.17632/nzyfc544bx.2
• DataBioX：https://databiox.com