Article · IA & agents
Un dataset multimodal pour relier endoscopie, histopathologie et génétique
ERCPMP-Gx propose une structure patient-niveau pour étudier les syndromes de polypose colorectale avec images, vidéos, histopathologie et données germinales.
Un dataset pensé pour le patient
ERCPMP-Gx ne se limite pas à une collection d’images de polypes. Zahra Ghaffari, Massih Bahar, Mojgan Forootan, Ali Darvishi et Hamidreza Bolhasani décrivent un jeu de données reliant, lorsque disponibles, images endoscopiques, vidéos, histopathologie et résultats génétiques germinaux au niveau du cas.
Trois modalités dans une même annotation
Le corpus rassemble 160 images et des clips vidéo issus de plusieurs modes d’imagerie, notamment lumière blanche, NBI et NBI magnifiée. Environ 80 % des cas correspondent à des syndromes héréditaires de polypose et environ 20 % à des polypes non héréditaires ou à des lésions qui les imitent. Le protocole sépare le phénotype endoscopique observé du diagnostic génétique ou clinique, afin d’éviter de donner à l’image une information qui n’était pas nécessairement connue au moment de l’examen.
Ce que le corpus permet de préparer
Pour un agent de recherche, la valeur principale est la jonction entre observation, preuve histologique et résultat germinal. Cette structure peut servir à préparer des tâches de classification différentielle, de recherche multimodale ou d’audit de provenance. Le preprint décrit une ressource et son annotation ; il ne rapporte pas un modèle clinique déployé sur cette base.
Interprétation éditoriale : la provenance avant le score
Un pipeline médical devrait conserver la chaîne qui relie une prédiction à l’image, au prélèvement et à la validation clinique. Ici, le découplage entre phénotype visible et diagnostic final est aussi une règle de conception pour éviter la fuite de cible. La multimodalité n’a de valeur que si ses liens, ses absences et ses conditions d’acquisition restent explicites.
Limites et statut de la source
Le corpus provient d’un contexte clinique et d’une période circonscrits, avec 160 images annoncées et des données génétiques disponibles selon les cas. Des cohortes prospectives, multicentriques, plus larges et longitudinales sont nécessaires avant toute conclusion sur l’utilité clinique. Ce preprint et ce dataset ne remplacent ni l’avis médical ni une validation réglementaire.
Source
Zahra Ghaffari, Massih Bahar, Mojgan Forootan, Ali Darvishi et Hamidreza Bolhasani, « ERCPMP-Gx: Endoscopic Image and Video Dataset for Morphological, Histopathological, and Genomic Characterization of Colorectal Polyposis », ArXiv 2609.20815v1 : résumé et preprint, PDF.