{
  "fetched_at": "2026-10-18T13:53:38Z",
  "source_url": "https://www.kaggle.com/competitions/aipathology202403/data",
  "pages": [
    {
      "name": "data-description",
      "content": "今回のデータは**Karolinska**と**radbound**の二つの施設から提供されたデータを利用しています。\ntrain, testで用いられる**ラベルあり**データは**Karolinska**のみです。\n一方で、*教師なし学習やpseudoラベル*として用いられる**ラベルなし**データは**radbound**由来です。\n\n## Files\nデータとして存在するファイル一覧です。\nこの後説明されるFolderにある画像がどのような画像なのかをデータとして格納しているcsvとなります。\n\n*   **train.csv** - train set、学習用のデータ\n*   **sample_submission.csv** - smaple set、サンプル用のデータ\n*   **unlabel.csv** -　ラベルなしのデータ、提供施設は**radbound**なので染色が異なる場合があります\n\nそれぞれ下記のカラム、列名を持ちます\n\n###  Columns\n\n*   `isup_grade` -がんの重症度を 0 ～ 5 のスケールで表す\n*   `gleason_score` - グリソンスコアを表す\n*   `target` - gleason_scoreの合計が0~7/7/8~10の３クラス\n*   `ID` - slide id\n\n## Folder\nそれぞれ画像が格納されているフォルダです。\n画像は元のWSIから倍率Level1（拡大縮小なし）から256×256のタイルをランダムに36枚取得したものなっています。\n\n* **train**: train data、train用のデータ\n* **test(1)**: test data、test用のデータ\n* **unlabel**: ラベルがついていないデータ、提供施設はtrain, testと異なり**radbound**である。\n\n### 画像名\n* **{image_id}_{n_patch:0~35}.png**　タイルがもと画像のどの座標から取得したのかは与えていない",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    },
    {
      "name": "Description",
      "content": "前立腺生検の病理画像から、Gleasonスコアの分類を行う機械学習モデルを作成していただきます。\n\n前立腺がんの悪性度はGleasonスコアで評価されますが、病理医間でばらつきがあるのは否めません。AIによって評価のばらつきが防止できれば、患者の利益に直結すると考えられます。今回開発するのはシンプルなモデルで、Gleasonスコアの合計が0~6/7/8~10の３クラス分類を行うものです。\n\n学習に用いるデータは、2020年に行われた[Prostate cANcer graDe Assessment (PANDA) Challenge](https://www.kaggle.com/competitions/prostate-cancer-grade-assessment/overview)のデータを一部改変したものです。PANDAコンペではWhole Slide Image (WSI) が提供されましたが、WSIはデータ量が多く前処理も必要となるため、本コンペでは扱いやすくタイル化した画像を提供しています。\n※PANDAコンペについては[この資料](https://docs.google.com/presentation/d/1Ies4vnyVtW5U3XNDr_fom43ZJDIodu1SV6DSK8di6fs/edit?usp=sharing)に詳しい記載があります。\n\n病理データの質には、大まかに画像の質とアノテーションの質の2種類が存在し、本来のPANDAコンペでは多様なデータをどう扱うかが大きな課題の一つでした。本コンペでは取り組みやすいように、train/testデータは同じ提供元の画像を使用し、アノテーションの質も等しくなるように設定しています。上級者の参加者は、データ提供元が異なり染色条件などが異なる可能性があるunlabelデータを学習に使用するのも面白いと思います。\n\nこのコンテストを通して、初心者の方も上級者の参加者も、病理AI実装を体験していただければと思います。",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    },
    {
      "name": "Evaluation",
      "content": "評価指標はmulti class ROC AUCで、gleason_scoreの合計が0~6であるものをclass 0、gleason_scoreの合計が7であるものをclass 1、gleason_scoreの合計が8~10であるものをclass 2としたときに、どのクラスに属しているのかを確率として算出します。\n\n```\n\nimport sklearn\nimport numpy as np\ny_true = np.array([0,1,2,0,1,2])\ny_score = np.array([\n[0.2,0.7,0.1],[0.14,0.16,0.7],[0.2,0.75,0.05],[0.5,0.2,0.3],[0.5,0.4,0.1]\n])\n\nscore = sklearn.metrics.roc_auc_score(y_true, y_score, multi_class=\"ovr\")\n\n```\n\n\n## Submission File\nテストデータセットの各IDについて、それぞれのクラスに属している確率をpred_0,pred_1,pred_2とする。\n以下のフォーマットで提出ファイルを作成してください：\n\n    ID,pred_0,pred_1,pred2\n    3,0,0,1\n    4,0.2,0.7,0.1\n    6,0.2,0.4,0.4\n    etc.",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    },
    {
      "name": "rules",
      "content": "- 外部データや外部データで学習済みのモデルは使用可能です。\n- Dataで与えられていないPANDAコンペのデータを使うのは禁止です。\n- 他チームとの相談はdiscussionで行ってください，内密なものは禁止です。\n-１日15subまで　最終評価のために3subを選んでおく(publicLB best 手元のスコアのbest,アンサンブルたくさんして頑強なもの,etc..)\n- 外部データを使う場合にはdiscussionで共有してください\n- 終了後は特別な理由がない限りdiscussionにて試したことを共有してください\n- 開催期間中もdiscussionでの交流が推奨されます。\n\n- private LB1stの方は推論コードと重みを必ず共有してください\n",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    },
    {
      "name": "abstract",
      "content": "[第113回日本病理学会総会](https://www.congre.co.jp/113jsp/)で行われる、[病理AI実装研究会](https://www.pathai-implementation.com/)主催のコンパニオンミーティング用コンペティションです。\n\n初心者の方でも取り組みやすいような工夫をたくさん取り入れているので、是非ご参加ください。",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    },
    {
      "name": "Prize",
      "content": "上位1名：賞状、副賞　および、AIを皆が使える様な状態にしてもらえます(Biomyさん協力 推論コードと重みの公開が必要)\n上位3名：賞状および副賞\n上位10名：HPでの紹介",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    }
  ]
}