Diagnostisk nøyaktighet av Carebot AI MMG i mammografiscreening: Multisenter MRMC-studie (CARE-MMG-MRMC)

Design og oppsett Dette er en retrospektiv, multicenter, multi-leser, multi-case (MRMC) diagnostisk nøyaktighetsstudie av Carebot AI MMG, utført på anonymiserte 2D full-felt digital mammografi (FFDM) undersøkelser som ble innhentet som en del av rutinemessig brystkreftscreening. Mammogrammer ble samlet fra fire screening-sentre over en definert tidsperiode. Ingen tilleggsbilder ble tatt for denne studien, og ingen deltakere ble kontaktet.

Datakilde og populasjon Kilde-datasettet består av 4 729 screening mammografi-undersøkelser fra kvinner i alderen 32 til 88 år (gjennomsnittlig ca. 57 år). Kun 2D FFDM-studier med et fullstendig sett med standardprojeksjoner (LCC, RCC, LMLO, RMLO) ble inkludert. Undersøkelser med ufullstendige serier, uleste eller ødelagte DICOM-filer, eller manglende/inkonsistent nøkkelmetadata ble ekskludert, samme som tomosyntese (DBT)-studier, menn, og kvinner under 18 år. For å sikre tilstrekkelig presisjon i ytelsesestimater, ble datasettet beriket med ytterligere biopsi-beviserte krefttilfeller. Den endelige analytiske undergruppen omfatter 222 undersøkelser, inkludert 48 maligne og 174 ikke-maligne studier, med representasjon fra tre mammografi-enheter (Hologic Selenia Dimensions, Hologic Lorad Selenia, Fujifilm FDR-3000AWS).

Undersøkelsesenhet og komparator Undersøkelsesenheten er Carebot AI MMG (programvareversjon 2.9, deep learning-modeller v2.3), et frittstående AI-system som analyserer 2D FFDM-undersøkelser og gir en case-nivå klassifisering i tre kategorier, sammen med en intern risikoscore. To forhåndsdefinerte driftspunkter evalueres: en høy-sensitivitet (HSe) terskel, der både benigne og maligne masser behandles som "positive" (rule-out setting), og en høy-spesifisitet (HSp) terskel, der kun maligne masser telles som "positive" (rule-in setting).

Som en menneskelig komparator leste tre erfarne radiologer (RAD 1-3) uavhengig de samme anonymiserte studiene ved hjelp av en dedikert DICOM-viser integrert med en merkeapplikasjon. Radiologene var blindet for AI-resultater, klinisk informasjon og utfall og registrerte en case-nivå klassifisering i de samme tre kategoriene (Negativ/Benign/Malign). For primæranalyser er deres binære beslutninger avledet ved å bruke de samme HSe- og HSp-reglene. I tillegg konstrueres en "tilfeldig leser"-referanse for balansert nøyaktighet ved gjentatt utvalg av en radiologs beslutning per case i et bootstrap-rammeverk (20 000 iterasjoner).

Referansestandard Referansestandarden etableres på studienivå. En case merkes "Malign" hvis det er histopatologisk bekreftelse av brystkreft fra biopsi utført i tidsmessig sammenheng med indeksmammogrammet. En case merkes "Ikke-malign" hvis det er konsensus mellom to lokale radiologer om at funnet er negativt eller stabilt benignt, typisk bekreftet av minst 2 års bildediagnostisk oppfølging. Tumorstadie (f.eks. TNM) brukes ikke i denne analysen. Alle 48 maligne caser fra deltakende sentre er inkludert i den analytiske undergruppen; ingen kreft-positive undersøkelser ble ekskludert.

Mål og endepunkter Primærmålene er: (1) å demonstrere at den balanserte nøyaktigheten (BA) til Carebot AI MMG er minst 0,80 i både HSe- og HSp-driftspunkter; (2) å demonstrere ikke-underlegenhet av AIs balanserte nøyaktighet sammenlignet med MRMC "tilfeldig leser"-referansen med en ikke-underlegenhetsmargin på 0,05; og (3) å demonstrere ikke-underlegenhet av sensitivitet (Se) av AI versus hver av de tre radiologene i både HSe og HSp, med en ikke-underlegenhetsmargin på 0,07. Sekundære mål er å beskrive spesifisitet (Sp), positiv prediktiv verdi (PPV), negativ prediktiv verdi (NPV), og å karakterisere mønstre av falsk-negative og falsk-positive beslutninger og deres potensielle implikasjoner for klinisk risikostyring.

Statistisk analyse Diagnostiske ytelsesmål (Se, Sp, PPV, NPV, BA) beregnes på case-nivå for Carebot AI MMG og hver radiolog i både HSe og HSp. Wilson 95% konfidensintervaller brukes for proporsjoner. Parvise McNemar-tester brukes for å sammenligne AI og individuelle lesere når det gjelder Se og Sp. For balansert nøyaktighet brukes en MRMC bootstrap-prosedyre med 20 000 iterasjoner for å konstruere fordelingen av den tilfeldige leseren og estimere sannsynligheten for at BA_AI er større enn eller lik BA_random minus den forhåndsspesifiserte marginen. Ikke-underlegenhet i sensitivitet vurderes ved bruk av et Nam-Blackwelder-type-rammeverk på diskordante par. Falsk-negative og falsk-positive caser gjennomgås kvalitativt med vekt på lesjonssynlighet, brysttetthet og typiske feilmønstre (f.eks. tett parenchym, lesjoner nær brystmuskelen, benigne vaskulære strukturer, asymmetrier).

Risiko, etikk og databeskyttelse Studien er ikke-intervensjonell og helt retrospektiv. Alle mammografi-undersøkelser ble innhentet som en del av rutinemessig behandling før studien, og alle DICOM-data ble irreversibelt anonymisert på senternivå i samsvar med GDPR og gjeldende nasjonal lov før overføring til sponsoren. Ingen ytterligere stråleeksponering eller pasientkontakt forekommer, og ingen bivirkninger forventes. Gitt dette designet, oppfyller ikke studien MDR-definisjonen av en klinisk undersøkelse under artikkel 62 og er ikke underlagt forhåndsmeddelelse under artikkel 74(1); individuelt informert samtykke kreves ikke. Resultatene er ment å støtte den kliniske evalueringen av Carebot AI MMG som et beslutningsstøtteverktøy i organisert mammografi-screening.