Carebot AI MMG在乳腺X线摄影筛查中的诊断准确性：多中心MRMC研究 (CARE-MMG-MRMC)

设计与设置 这是一项关于Carebot AI MMG的回顾性、多中心、多阅片者、多病例（MRMC）诊断准确性研究，基于常规乳腺癌筛查中获取的匿名化二维全视野数字乳腺X线摄影（FFDM）检查数据。乳腺X线摄影图像在特定时间段内从四个筛查中心收集。本研究未进行额外成像检查，也未联系任何受试者。

数据来源与人群 源数据集包含4,729例32至88岁女性（平均年龄约57岁）的筛查乳腺X线摄影检查。仅纳入具有完整标准投照体位（LCC、RCC、LMLO、RMLO）的二维FFDM研究。排除了序列不完整、DICOM文件不可读或损坏、关键元数据缺失或不一致的检查，以及断层合成（DBT）研究、男性和18岁以下女性。为确保性能估计的足够精确度，数据集通过额外活检证实的癌症病例进行了富集。最终分析子集包含222例检查，包括48例恶性和174例非恶性研究，涵盖三种乳腺X线摄影设备（Hologic Selenia Dimensions、Hologic Lorad Selenia、Fujifilm FDR-3000AWS）。

研究设备与对照 研究设备为Carebot AI MMG（软件版本2.9，深度学习模型v2.3），这是一个独立的AI系统，可分析二维FFDM检查，并输出病例级别的三类分类结果及内部风险评分。评估两个预设操作点：高灵敏度（HSe）阈值（将良性和恶性肿块均视为“阳性”，即排除设置）和高特异性（HSp）阈值（仅将恶性肿块计为“阳性”，即纳入设置）。

作为人类对照，三位经验丰富的放射科医师（RAD 1-3）使用集成标注应用的专用DICOM查看器，独立阅读相同的匿名化研究。放射科医师对AI输出、临床信息和结果设盲，并记录病例级别的相同三类分类（阴性/良性/恶性）。在主要分析中，他们的二元决策采用相同的HSe和HSp规则推导。此外，通过自助法框架（20,000次迭代）重复抽样每位放射科医师的每例决策，构建“随机阅片者”基准以评估平衡准确度。

参考标准 参考标准在研究层面确立。若在与索引乳腺X线摄影时间相关的活检中经组织病理学证实为乳腺癌，则病例标记为“恶性”。若两位本地放射科医师一致认为发现为阴性或稳定良性（通常通过至少2年的影像随访证实），则病例标记为“非恶性”。本分析未使用肿瘤分期（如TNM）。参与中心的所有48例恶性病例均包含在分析子集中；未排除任何癌症阳性检查。

目标与终点 主要目标为：（1）证明Carebot AI MMG在HSe和HSp操作点的平衡准确度（BA）均不低于0.80；（2）证明AI的平衡准确度与MRMC“随机阅片者”基准相比具有非劣效性，非劣效界值为0.05；（3）证明AI在HSe和HSp操作点的灵敏度（Se）与三位放射科医师各自相比均具有非劣效性，非劣效界值为0.07。次要目标为描述特异性（Sp）、阳性预测值（PPV）、阴性预测值（NPV），并表征假阴性和假阳性决策的模式及其对临床风险管理的潜在影响。

统计分析 在HSe和HSp操作点，计算Carebot AI MMG和每位放射科医师在病例层面的诊断性能指标（Se、Sp、PPV、NPV、BA）。比例使用Wilson 95%置信区间。使用配对McNemar检验比较AI与个体阅片者在Se和Sp方面的差异。对于平衡准确度，采用MRMC自助法程序（20,000次迭代）构建随机阅片者分布，并估计BA_AI大于或等于BA_random减去预设界值的概率。使用Nam-Blackwelder型框架基于不一致配对评估灵敏度的非劣效性。对假阴性和假阳性病例进行定性审查，重点关注病变显著性、乳腺密度和典型错误模式（如致密实质、胸肌附近病变、良性血管结构、不对称性）。

风险、伦理与数据保护 本研究为非干预性、完全回顾性研究。所有乳腺X线摄影检查均作为研究前常规护理的一部分获取，所有DICOM数据在传输至申办方前已根据GDPR和适用国家法律在现场层面进行不可逆匿名化处理。无额外辐射暴露或患者接触，预计无不良事件。鉴于该设计，本研究不符合MDR第62条规定的临床研究定义，且无需根据第74(1)条进行事先通知；无需获得个体知情同意。结果旨在支持Carebot AI MMG作为决策支持工具在有组织乳腺X线摄影筛查中的临床评估。