The PAR dataset: Prostate biopsy whole slide images from an underrepresented Middle Eastern population

Resumo Técnico: O Conjunto de Dados PAR

Problema
O artigo aborda lacunas críticas no desenvolvimento e validação da inteligência artificial (IA) para patologia digital. Os conjuntos de dados de histopatologia publicamente disponíveis são escassos e representam predominantemente populações caucasianas ocidentais, o que limita a generalização dos modelos de IA para regiões sub-representadas, como o Oriente Médio. Além disso, os conjuntos de dados atuais frequentemente sofrem de três limitações específicas: (1) dependem tipicamente de um único padrão de referência de um patologista, dificultando a avaliação da variabilidade de gradação; (2) carecem de dados de populações sub-representadas onde os serviços de patologia ainda não foram totalmente digitalizados; e (3) geralmente fornecem imagens de lâmina inteira (WSIs) de apenas um tipo de scanner, impedindo a avaliação da robustez entre scanners. Esses fatores contribuem para um problema de "ovo e a galinha", onde a falta de dados diversos e de múltiplos scanners impede a validação da IA em ambientes de baixos recursos, o que, por sua vez, desencoraja o investimento em digitalização.

Metodologia
Os autores apresentam o conjunto de dados PAR, derivado de biópsias de agulha de próstata coletadas no Hospital PAR em Erbil, Iraque, entre 2013 e 2024. O processo de curadoria de dados envolveu as seguintes etapas:

• Seleção de Coorte: De um arquivo de 30.056 casos, os autores filtraram biópsias de agulha de próstata, mesclaram relatórios de adendos e confirmaram a disponibilidade de blocos de tecido originais fixados em formalina e em parafina (FFPE). Isso resultou em uma coorte final de 185 pacientes (339 lâminas de vidro únicas).
• Preparação das Lâminas: As lâminas diagnósticas originais não foram utilizadas devido à potencial degradação. Em vez disso, novas lâminas coradas com H&E foram preparadas a partir dos blocos de FFPE arquivados para garantir uma coloração consistente e de alta qualidade.
• Digitalização Multi-Scanner: Cada uma das 339 lâminas de vidro foi digitalizada usando três scanners distintos para gerar três versões por lâmina:
  1. Hamamatsu NanoZoomer 2.0 HT (0,22 µm/pixel, formato .ndpi)
  2. Leica Aperio GT 450 DX (0,26 µm/pixel, formato .svs)
  3. Scanner Grundium Ocus40 compact (0,25 µm/pixel, formato .svs)
• Anotação e Padrão de Referência: Três patologistas avaliaram independentemente as WSIs utilizando a plataforma Cytomine. Dois eram patologistas gerais (um do Iraque e um da Noruega) e um era uropatologista (Noruega). Eles atribuíram Escores de Gleason (GS) ao nível da lâmina e graus da Sociedade Internacional de Patologia Urológica (ISUP). Não foram fornecidas anotações ao nível de pixel. A gradação foi realizada cegamente, sem reconciliação imediata entre os patologistas.

Principais Contribuições
A principal contribuição é o lançamento público do conjunto de dados PAR via BioImage Archive (Accession: S-BIAD2323) sob uma licença CC BY 4.0. O conjunto de dados inclui:

• 1.017 WSIs: Representando 339 lâminas de 185 pacientes, cobrindo três formatos de scanner.
• Rótulos de Multi-Patologista: Escores de Gleason e graus ISUP (0–5) independentes de três patologistas para a maioria das lâminas (o Patologista I graduou todas as 339; o Patologista II graduou 337; o Patologista III graduou um subconjunto estratificado de 59).
• Representação Demográfica: Dados originários de uma população do Oriente Médio sub-representada (Região do Curdistão, Iraque).
• Diversidade Técnica: Formatos de arquivo nativos sem conversão, permitindo estudos sobre robustez entre scanners e normalização de cores.

Resultados e Características dos Dados
O conjunto de dados compreende 185 pacientes com uma distribuição de idade inclinada para demografias mais velhas (79 pacientes com ≥70 anos). A distribuição de graus ISUP nas 339 lâminas mostra uma ampla gama de malignidade, desde benigno (164–208 casos, dependendo do patologista) até ISUP 5 de alto grau (21–86 casos). A estrutura do conjunto de dados inclui três pastas de componentes para os tipos de scanner, uma pasta de anotações contendo as tabelas de gradação independentes, uma lista de arquivos para pareamento entre scanners e documentação. A validação técnica confirmou que todos os arquivos podem ser abertos via ferramentas padrão (OpenSlide, Cytomine, ASAP) e que o dicionário de anotações é consistente.

Significância
O artigo posiciona o conjunto de dados PAR como um recurso para apoiar o desenvolvimento e a validação de modelos de IA de patologia em populações globalmente diversas. Ao fornecer dados de uma região com digitalização limitada, digitalizados com múltiplos tipos de scanners (incluindo um modelo compacto e de baixo custo) e anotados por múltiplos patologistas, o conjunto de dados permite:

• Validação cross-populacional: Testar a generalização do modelo para populações do Oriente Médio.
• Avaliação de robustez: Avaliar o desempenho da IA entre diferentes fabricantes e modelos de scanner.
• Análise de concordância de gradação: Estudar a variabilidade inter-patologista usando múltiplos padrões de referência independentes.
• Benchmarking: Abordar a crise mais ampla de benchmarking em IA biomédica causada por conjuntos de dados públicos limitados e vieses institucionais específicos.

Os autores afirmam que disponibilizar este conjunto de dados visa ajudar a reduzir as desigualdades na representação populacional e no acesso tecnológico, movendo o campo em direção a uma IA para patologia mais inclusiva e confiável.