ERCPMP-Gx：结直肠息肉病内镜图像视频数据集，含形态、病理与基因组表征

arXiv 收录了 ERCPMP-Gx 数据集，用于结直肠息肉病的形态学、组织病理学和基因组学表征。多数检查使用 Olympus EVIS X1 系统，涵盖 WLE、NBI、M-NBI 及 near focus 模式，共 160 张图像并附视频片段。约八成病例为经临床或基因确认的遗传性息肉病综合征，包括 FAP、PJS、JPS、GNS，其余两成为非遗传性息肉及形态重叠的拟息肉病变。每条记录在可获取时关联标准化内镜标注、代表性组织病理与临床信息。

此前公开内镜数据集多以单个散发性息肉为单位，未在患者层面把息肉病表型与组织病理、胚系基因结果关联。该数据集首次将内镜影像、病理与基因组三类信息按病例对齐，并纳入形态重叠的非遗传性对照，为遗传性息肉病综合征的识别与鉴别提供新的数据基础。

遗传性息肉病综合征的息肉形态常与散发性息肉重叠，单靠白光内镜难以区分。该数据集通过同一病例的多模态内镜成像（WLE、NBI、M-NBI、near focus）叠加病理与胚系基因标签，使模型可在患者层面学习表型—基因关联；纳入两成非遗传性对照则用于训练差异分类，降低仅凭形态误判的风险。

对内镜 AI 产品而言，该数据集提示可从单息肉检测扩展到患者级息肉病综合征筛查与分型，并需要在产品中支持 NBI、M-NBI 等成像模式的数据管线。研发侧需处理图像、视频、病理与基因标签的多模态对齐，标注与数据治理成本上升，但可支撑更具临床区分度的分类功能。

• 构建面向遗传性息肉病综合征的内镜辅助分型模块，输入多模式内镜图像并输出综合征风险提示。
• 开发多模态数据对齐工具，把内镜影像、病理报告与基因检测结果在患者层面结构化关联。
• 以内镜视频片段为基础，训练时序模型识别息肉病弥漫性表型而非单发息肉。
• 为该数据集配套标准化标注规范与质量控制流程，形成可复用的数据产品。

• 该数据集是否已公开可下载，访问条件与许可协议为何？
• 160 张图像与配套视频在各类综合征上的样本分布是否均衡？
• 组织病理与胚系基因标签的完整率在每条记录中具体是多少？
• 是否有基于该数据集的基线模型或基准评测结果？