Diagnostisk noggrannhet av Carebot AI MMG vid mammografiscreening: Multicenter MRMC-studie (CARE-MMG-MRMC)

Design och upplägg Detta är en retrospektiv, multricenter, multireader, multicasestudie (MRMC) för diagnostisk noggrannhet av Carebot AI MMG, utförd på anonymiserade 2D fullfälts digitala mammografiundersökningar (FFDM) som inhämtats som en del av rutinmässig bröstcancerscreening. Mammogram samlades in från fyra screeningcenter under en definierad tidsperiod. Ingen ytterligare avbildning utfördes för studiens syfte, och inga försökspersoner kontaktades.

Datakälla och population Källdatasetet består av 4 729 screeningmammografiundersökningar från kvinnor i åldern 32 till 88 år (medelvärde cirka 57 år). Endast 2D FFDM-studier med en komplett uppsättning standardprojektioner (LCC, RCC, LMLO, RMLO) inkluderades. Undersökningar med ofullständiga serier, oläsbara eller korrupta DICOM-filer, eller saknade/inconsistent nyckelmetadata exkluderades, liksom tomosyntesstudier (DBT), män och kvinnor under 18 år. För att säkerställa tillräcklig precision i prestandauppskattningarna berikades datasetet med ytterligare biopsibekräftade cancerfall. Den slutliga analytiska delmängden omfattar 222 undersökningar, inklusive 48 maligna och 174 icke-maligna studier, med representation från tre mammografienheter (Hologic Selenia Dimensions, Hologic Lorad Selenia, Fujifilm FDR-3000AWS).

Undersökningsenhet och jämförelse Undersökningsenheten är Carebot AI MMG (programvaruversion 2.9, djupinlärningsmodeller v2.3), ett fristående AI-system som analyserar 2D FFDM-undersökningar och ger en fallnivåklassificering i tre kategorier, tillsammans med en intern riskpoäng. Två fördefinierade driftpunkter utvärderas: en högkänslighetströskel (HSe), där både benigna och maligna massor behandlas som "positiva" (uteslutningsinställning), och en högspesificitetströskel (HSp), där endast maligna massor räknas som "positiva" (inklusionsinställning).

Som mänsklig jämförelse läste tre erfarna radiologer (RAD 1-3) oberoende av varandra samma anonymiserade studier med hjälp av en specialiserad DICOM-visare integrerad med en etiketteringsapplikation. Radiologerna var förblindade för AI-utdata, klinisk information och utfall och registrerade en fallnivåklassificering i samma tre kategorier (Negativ/Benign/Malignant). För primäranalyser härleds deras binära beslut med samma HSe- och HSp-regler. Dessutom konstrueras en "slumpmässig läsare"-referens för balanserad noggrannhet genom att upprepade gånger slumpmässigt välja en radiologs beslut per fall i ett bootstrap-ramverk (20 000 iterationer).

Referensstandard Referensstandarden fastställs på studienivå. Ett fall märks "Malignant" om det finns histopatologisk bekräftelse av bröstcancer från biopsi utförd i tidsmässig anknytning till indexmammogrammet. Ett fall märks "Non-malignant" om det finns konsensus mellan två lokala radiologer om att fyndet är negativt eller stabilt benign, vanligtvis bekräftat av minst 2 års bilduppföljning. Tumörstadium (t.ex. TNM) används inte i denna analys. Alla 48 maligna fall från deltagande centra ingår i den analytiska delmängden; inga cancerpositiva undersökningar exkluderades.

Mål och slutpunkter De primära målen är: (1) att visa att den balanserade noggrannheten (BA) för Carebot AI MMG är minst 0,80 vid både HSe- och HSp-driftpunkterna; (2) att visa icke-underlägeshet för AI:s balanserade noggrannhet jämfört med MRMC "slumpmässig läsare"-referensen med en icke-underlägeshetsmarginal på 0,05; och (3) att visa icke-underlägeshet för AI:s känslighet (Se) jämfört med var och en av de tre radiologerna vid både HSe och HSp, med en icke-underlägeshetsmarginal på 0,07. Sekundära mål är att beskriva specificitet (Sp), positivt prediktivt värde (PPV), negativt prediktivt värde (NPV) och att karakterisera mönster av falskt-negativa och falskt-positiva beslut och deras potentiella implikationer för klinisk riskhantering.

Statistisk analys Diagnostiska prestandamått (Se, Sp, PPV, NPV, BA) beräknas på fallnivå för Carebot AI MMG och varje radiolog vid både HSe och HSp. Wilson 95 % konfidensintervall används för proportioner. Parade McNemar-tester används för att jämföra AI och individuella läsare när det gäller Se och Sp. För balanserad noggrannhet används en MRMC bootstrap-procedur med 20 000 iterationer för att konstruera fördelningen av den slumpmässiga läsaren och uppskatta sannolikheten att BA_AI är större än eller lika med BA_random minus den förutbestämda marginalen. Icke-underlägeshet i känslighet bedöms med ett Nam-Blackwelder-liknande ramverk på diskordanta par. Falskt-negativa och falskt-positiva fall granskas kvalitativt med tonvikt på lesionens framträdande, bröstdensitet och typiska felmönster (t.ex. tät parenkym, lesioner nära pectoralismuskeln, benigna vaskulära strukturer, asymmetrier).

Risk, etik och dataskydd Studien är icke-interventionell och helt retrospektiv. Alla mammografiundersökningar inhämtades som en del av rutinvård innan studien, och alla DICOM-data irreversibelt anonymiserades på platsnivå i enlighet med GDPR och tillämplig nationell lag innan överföring till huvudman. Ingen ytterligare strålexponering eller patientkontakt sker, och inga biverkningar förväntas. Med detta upplägg uppfyller studien inte MDR-definitionen av en klinisk undersökning enligt artikel 62 och är inte föremål för föregående anmälan enligt artikel 74(1); individuellt informerat samtycke krävs inte. Resultaten är avsedda att stödja den kliniska utvärderingen av Carebot AI MMG som ett beslutsstödsverktyg i organiserad mammografiscreening.