何谓一项已经成立的乳腺癌诊断事实？影像异常、概率越阈、采取活检与组织学分类常被压成一次“由阴转阳”。认知科学把搜索、识别与报告分开；统计物理学证明同一终态可保留不同路径；贝叶斯决策则使行动阈值随先验和损失移动。三者不只否定单阈值，还暴露一个更深的共同盲点：稳定被默认成单调增加可信度。常数输出、共享锚定和取错靶点后的全票一致都反驳这一点。本章把“靶定闭合”定义为一项带双边界的诊断关系：对不改变病灶身份的阅片者、证据次序与先验—损失变换保持分类；一旦抹去或调换证据—靶点对应，原命题即重开。前一边界失败是未闭合，后一边界失败则形成一种既非阳性、阴性也非普通不确定的新状态——“无靶稳定”。CBIS-DDSM 复算保留一千九百九十三个病灶，总体 AUC 为 0.8146，却仍余 64.82% 条件熵；增补的靶点置换仅有八层、十八个病灶，低于预注册门槛，不能验证新定义。本章据此给出双账本、首次靶定时刻、临床反例及撤销条件。
一位筛查者在乳腺 X 线片上注意到簇状钙化，这是知觉的现在。放射科医师把它归入需要组织取样的可疑类别，这是行动阈值的现在。针芯活检取得的组织与影像靶点相符，病理医师报告导管原位癌或浸润癌，这是目标命题获得组织学支持的现在。若随后复核发现针芯没有取到那簇钙化，先前的良性报告不能把原靶点关闭，事实又回到开放状态。四个时点可能只隔数日，却回答四个不同的问题：有没有被注意；像不像恶性；现在该不该行动；所说的癌究竟是不是这个靶点中的这个病变。
国家癌症研究所面向公众的诊断说明把活检称为确诊乳腺癌的唯一可靠方式，这一临床底线不应被概念创新削弱。本章也不主张用计算公式取代病理，更不主张为了得到“漂亮的闭合曲线”给患者增加无指征检查。问题恰好相反：既然病理不可缺，为什么“有了一张病理报告”有时仍不能结束诊断？答案不是病理不真实，而是病理命题必须有对象。若影像所指的病灶 A 与针芯实际来自的组织 B 不能对应，那么“B 中未见恶性”并不等于“A 不是癌”。报告可以完结，目标命题仍未完结。
这使“何谓乳腺癌”在 第二章 中获得一个比组织学分类更窄、也更难的问题。本章不重新定义癌的细胞形态，不讨论癌怎样发生，也不回答某个人为何患癌；它只问：在诊断实践中，关于某一乳腺靶点的癌命题何时有资格被当作已经成立的疾病事实？这里的“生成”不是说病变由观察者创造。肿瘤在被发现前可以独立存在。被生成的是一种可记录、可传递、可据以追责的诊断地位。
常用语言把这一过程写成一条单轴进度线：正常—异常—高度可疑—病理证实。单轴线很方便，却暗藏两个危险等式：
$$
\text{看见}=\text{越阈}=\text{行动}=\text{事实成立}.
$$
$$
\text{输出越稳定}=\text{事实越可靠}.
$$
第一式在典型病例中似乎成立，因为四件事恰好同向；在边界病例中却逐项断裂。病灶可能已经被眼睛注视而没有被报告；同一证据在不同误判代价下会触发不同处置；相同的最终证据若以不同顺序进入，会诱发锚定或诊断惯性；病理结果即使确定，也可能只确定诊断而不确定治疗。
第二式更隐蔽。三个系统若都复制同一错误报告，一致率会提高；一个无论输入什么都回答“恶性”的分类器，对读者、次序和先验全都稳定；一组来自病灶 B 的切片若误挂在病灶 A 名下，病理分类还可以高度可复现。这里的问题不是稳定太少，而是稳定没有说明自己属于谁。本章的任务因而不只是把阈值改成稳健性，而是为“稳定但已经失去对象”的输出设置一个独立状态。
乳腺影像阅读不是把既有标签从图像表面揭下来。Kundel 与 Nodine 在二十世纪七十年代将放射影像判断区分为搜索、识别和决定等阶段；后续眼动研究反复说明，错误不能全部归因于“没有看到”。有些异常从未进入有效注视范围，是搜索失败；有些已经被注视，却没有形成恶性表征，是识别失败；还有一些已被识别为可疑，最后没有被报告，是决定失败。阶段区分的意义不只是训练阅片者，而是切断“视觉输入一旦足够强，事实便自动出现”的假设。
Mall、Brennan 与 Mello-Thoms 对乳腺 X 线阅读的眼动材料尤其有反转力。他们以病理以及补充影像或两年随访建立参照，八名放射科医师阅读一百二十个病例。论文表格记录的恶性簇中，二百二十四个真阳性簇与一百四十七个假阴性簇都曾被注视。按簇计算，在已经注视的恶性簇里约 39.6% 没有进入最终报告。这个比例不能当作患者层漏诊发生率：一个病例可有多个簇，读者与病灶也并非相互独立。但它足以提供一个反例——“被看见”至少有眼动、表征和报告三种不同含义，注视并不必然结束诊断。
专家的整体印象也不会恢复单阈值模型。短暂呈现研究显示，有经验的乳腺影像读者能在极短时间内形成异常“要旨”；这种整体信号可以引导随后搜索，却既不是病灶定位，也不是病理证明。它可能让真正的靶点更快被发现，也可能把后续注意吸到一个先入判断上。认知科学因此给本章一个主体性约束：任何把“图像本身超过临界值”写成无人称事件的模型，都漏掉了谁看、怎样看以及何时把感觉转成报告。
由此引出的第一项检验是“阅片者替换”。它不是要求每位患者都接受多人复读，也不是以多数票覆盖个体专家，更不是把异议当成低水平。研究上需要问的是：在资质、任务说明和可用资料预先限定的条件下，更换阅片者是否改变同一目标命题的诊断分类？若改变，事实仍依赖某个主体的特定搜索轨迹；若不改变，也只能通过第一道检验。
“合格替换”必须满足四个限制。第一，替换者处理的是同一靶点与同一命题粒度，不能一个判断“有无任何癌”，另一个判断“是否为高级别导管原位癌”。第二，替换者不能共享未经记录的会诊结论，否则一致可能只是信息泄漏。第三，要区分独立判断与共识会后判断；后者适于临床定案，却不能估计最初的主体依赖。第四，病理医师与放射科医师不能被当作可互换的同类观察者，因为他们观察的是不同材料，承担的是互证而非同票。
乳腺病理判读研究进一步表明，观察者差异并不限于影像。Elmore 等人的全国样本研究发现，浸润癌和良性无不典型增生病变的一致性较高，而不典型增生与导管原位癌更困难；人口结构校正后的总体核验率并不能抹去类别间的巨大差异。后续多中心共识实践也显示，会前一致性有限，会后可以改善。对本章而言，结论不是“专家不可靠”，而是事实闭合不能把阅片者依赖假装成图像分数的噪声项。某些命题粒度需要缩小，某些需要复核，某些则应保留开放。
“临界”很容易沦为华丽比喻：证据越积越多，终于跨过一点，癌便从不可见转成可见。真正的统计物理学反而会破坏这个故事。在连续相变或非平衡系统中，宏观状态的突然变化可能由大量微小相互作用累积而来；在一阶相变附近，系统还可能处于亚稳态。观察到一次跃迁，不等于发现一条与路径无关、对所有系统都相同的自然刻度。
迟滞提供了更直接的反例。同一外部控制量，在上升路径与下降路径上可能对应不同宏观状态。Sethna 等人关于迟滞与雪崩的研究表明，历史可以留在系统响应中；Binder 对相变动力学的综述也说明，有限尺度、成核与等待时间会改变所见跃迁。把这些性质移到诊断证据序列上，不是宣称医生的大脑就是磁性材料，而是借物理学提出一个可以反驳的过程问题：如果最终证据集合相同，只改变证据进入次序，诊断分类会不会改变？若会，所谓“临界证据量”不是唯一充分解释。
早期预警信号也不能被直接移植为临床真理。复杂系统临近跃迁时可能出现恢复变慢、自相关上升或方差增大，但 O’Brien 等人的经验评估提醒，这类信号的适用范围有限。乳腺影像中的纹理变化、连续筛查中的风险分数抬升，不能只因形似临界减速就被命名为癌。物理学在此给出的规范性反作用是克制：临界曲线必须先说明状态变量、控制量、采样间隔和路径，否则“临界”只是把主观确信画成陡峭曲线。
本章的第二项检验是“证据次序置换”。设一位观察者最终能接触影像、临床史、前次报告、人工智能提示、针芯病理和靶点对应说明。现实中它们有一个实际到达顺序。研究时可以预先规定若干不违背安全与知识结构的次序，在独立观察者之间随机呈现；例如先独立读图再给人工智能提示，与先给提示再读图；先看影像再看病理，与先看病理标签再要求定位影像靶点。若同一证据全集因次序不同而得出不同的目标分类，事实处于路径依赖区。
“可容许”非常重要。不能把时间旅行式的次序当实验：不能在活检前呈现尚不存在的病理，也不能为试验隐瞒影响患者即时安全的信息。可置换的是回顾性复核或模拟环境中的呈现次序；在前瞻临床登记中，只记录实际次序及独立复读。次序变化若仅改变报告速度而不改变分类，不算事实改变；若改变治疗建议而诊断不变，也不算诊断重新开放。本章只追踪目标命题的分类。
临界过程还有一个不能忽略的性质：闭合可能重开。新证据进入、靶点对应被否定或原有标本被重分类时，已闭合命题可以再次开放。因此，“首次闭合”不是永远不可逆的真理时刻。它是截至当时、在预设确认窗内维持稳定的最早事件。把闭合写成有时间戳的事件，既保留临床需要的阶段性定案，也给后来改判留下合法位置。
假设已有证据 $E$，恶性状态为 $C$，行动为 $a$。贝叶斯决策不只计算后验概率 $P(C\mid E)$，还比较不同行动的期望损失：
$$
a^*(E)=\arg\min_a\sum_C L(a,C)P(C\mid E).
$$
Pauker 与 Kassirer 的阈值方法把临床行动分为不治疗、继续检测和治疗等区域，清楚表明阈值取决于漏治、误治、检测风险与效用。于是，同一后验概率在不同年龄、并发症、患者价值或操作风险下，可以合理地触发不同动作。这个变化不说明病理事实变了，只说明行动的代价结构变了。
信号检测理论更早区分了辨别力与反应准则。观察者可以在感知能力不变时，因为收益、损失或患病基率改变而移动报告标准。对筛查而言，提高敏感度往往伴随更多召回；对组织取样而言，阈值还受到操作风险与后果不对称影响。把“建议活检”直接翻译成“已经是癌”，就是把一个合理的行动标准误写成事实分类。
由此产生第三项检验：“先验—损失扰动”。在一个由临床与伦理预先界定的合理范围内，改变患病先验或假阴性、假阳性的相对损失，重新计算行动建议，同时单独记录诊断分类。事实若已闭合，行动可以变化，诊断命题不应随之漂移。若一句“高度可疑”在高漏诊损失时被写成癌、在高误诊损失时又被写成非癌，那么该记录实际编码的是行动倾向，而非事实。
稳健贝叶斯分析研究结论对先验、模型与损失输入的敏感性。本章借用的是这种敏感性思想，而不是声称发明了稳健性。扰动集合必须在看到病例结果前登记，至少说明先验来源、损失项、上下界以及谁有权确定这些界限。无限宽的集合会让任何命题都无法闭合；围着当前答案量身定做的窄集合又会制造稳定。合理范围既不是自然常数，也不是作者个人偏好，而是针对明确任务、依据目标人群与伦理权衡公开设定的研究条件。
还要把“诊断分类”与“行动建议”分栏。病理证实导管原位癌后，监测、手术方式和辅助治疗仍可能存在不确定与价值分歧；这不使“标本中存在导管原位癌”自动回到开放。反过来，影像高度可疑而先行活检，即使行动明确，癌命题仍未闭合。数学在这里承担的规范作用不是给事实投票，而是强迫记录系统承认：概率、分类与行动是三个变量。
第一组病例发生在认知科学与物理学之间。图像像素和病灶状态不变，一位阅片者在半秒整体印象后迅速定位，另一位反复搜索仍未报告。把临界点放在图像强度上，两人不应分叉；把它完全放在个体确信上，又无法解释独立复核为何消除差异。主体替换与证据路径必须同时留下记录。
第二组病例发生在物理学与数学之间。连续证据使恶性后验平滑上升，行动却因漏诊代价较高而在较低概率处突然改变。宏观的“做活检”看似越过临界点，位置却由损失函数移动。相反，病理分类已经稳定时，两位患者仍可因风险与偏好选择不同治疗。行动跃迁与事实形成并不同步。
第三组病例把三门学科一起推到极限。系统无论接收哪幅图像、哪一证据次序、哪组先验，都输出“恶性”；三个观察者又共享同一人工智能提示。它对所有已列变化都保持不变，形式上比任何专家更“稳健”。然而，把病理证据从病灶 A 调到病灶 B，或删除标本与影像靶点的对应字段，系统仍给 A 同一答案。稳定没有增加事实资格，反而暴露出输出根本不依赖所声称的对象。
三个反例揭开了两层默认前提。第一层是潜在疾病事实沿一条标量轴积累，跨过阈值后，知觉、分类、行动与对象指认同时完成。认知科学用“注视而未报告”否定同时完成；物理学用迟滞否定唯一无历史阈值；数学用损失依赖否定行动阈值的真值地位。第二层更深：只要输出对越来越多变化保持不变，它就越来越接近事实。常数输出与错误靶点证明，不变性只有在先区分“哪些变化不应改变答案”与“哪些变化必须使原命题失效”后才有意义。
本章据此把中心判断收紧为：
乳腺癌诊断事实不是越稳定越真实，而是一项带有保持边界和破裂边界的靶定关系：对不改变病灶身份的观察者、次序与决策条件变化保持分类；证据一旦失去与该病灶的对应，原命题立即重开。
前半句不是新的稳健性方法，后半句也不是新发明的阴性对照。真正需要单列的是两条边界之间的一类遗漏状态：输出已对常规变化稳定，却在证据—靶点关系被破坏后仍自称回答原问题。本章称它为“无靶稳定”。它不是普通不确定，也不是观察者分歧；它是一条没有对象约束却仍以事实口吻流通的陈述。
设目标命题为 $\varphi=(x,g,y)$：$x$ 是被追踪的影像或临床靶点，$g$ 是命题粒度，$y$ 是待判类别。“右乳外上象限标记钙化所对应组织中存在导管原位癌”与“该患者右乳存在任何恶性病变”不是同一命题；“存在癌”与“需要立即手术”也不是同一命题。粒度不固定，一致性可以由偷换问题制造。
在时刻 $t$，令 $E_t$ 为截至该时刻可用的证据包；$o\in O$ 为预先定义的合格观察者；$\pi\in\Pi$ 为不违反安全与时间逻辑的证据呈现次序；$\lambda\in\Lambda$ 为预先登记的先验—损失设定。每次复核输出两栏：
$$
R_t(o,\pi,\lambda;x,g)=\bigl(F_t,A_t\bigr),
$$
其中 $F_t\in\{\text{肯定},\text{否定},\text{未定}\}$ 是对 $\varphi$ 的诊断分类，$A_t$ 是行动建议。事实稳定只约束 $F_t$，不强迫 $A_t$ 相同。病理命题确定后，治疗仍可因风险与价值而变化；影像高度可疑而立即活检时，行动已确定，癌命题仍可开放。
另设 $M_t$ 为证据—靶点对应状态：$M_t=1$ 表示影像靶点、取样程序、标本和报告之间存在可核查的连续关系；$M_t=0$ 表示已发现错配；$M_t=?$ 表示尚未检查或资料不足。侧别、位置、病灶号、取样方式、标本影像、标记物和影像—病理一致性是这条关系的证据，而不是可以互相替代的装饰字段。
第一类是保靶变化 $\mathcal G_N$。它更换合格观察者、调整可容许的证据次序，或在预先登记的先验—损失范围内重算，却保持患者、侧别、病灶号、命题粒度和证据—靶点关系不变。若这些变化改变 $F_t$，事实仍依赖某个主体、路径或决策设定。
第二类是破靶变化 $\mathcal G_T$。它在研究副本中删除证据来源与病灶号的连接，或把一条病灶级病理记录调给同层另一病灶，同时仍询问原来的 $\varphi$。合格系统此时不必猜一个相反类别，而须把原命题退回“未定／重开”。若调换后的另一个病灶恰好也是恶性，类别文字可以相同，但命题身份已经改变；只要系统新建 $x'$ 的命题而不冒充仍在回答 $x$，就不算失败。
这种破坏只用于离线数据核查、模拟阅片或记录系统验证。它不能在真实照护中故意错贴标本、隐瞒患者身份或延迟必要报告。它检验的不是患者，而是诊断链是否知道证据属于谁。
令靶点破裂检验为
$$
B_T(t)=
\begin{cases}
1, & \text{所有预设破靶变化都使原命题重开或失去确定分类};\\
0, & \text{至少一种破靶变化后，系统仍无条件维持原命题};\\
?, & \text{没有执行或记录不足}.
\end{cases}
$$
$B_T=1$ 不是“诊断更阴性”，而是系统对自身适用边界有反应。$B_T=0$ 也不等于病例标签错误；它说明当前输出即使碰巧正确，也没有证据证明正确性绑定在所声称的病灶上。
两条边界形成一个逻辑核查表。它不是病例风险表，也不把人分成四类：
| 破靶后原命题不重开 | 破靶后原命题重开 | |
|---|---|---|
| 保靶变化后分类改变 | 漂移输出：既不稳，也不知对象边界 | 靶定争议：知道在谈谁，但分类尚未收束 |
| 保靶变化后分类不变 | 无靶稳定：输出稳定，却与对象脱钩 | 靶定闭合：稳定只持续到对象边界 |
右下格是本章允许取得事实资格的状态。右上格并非坏诊断：它至少保住对象，可通过复核、缩小命题粒度或补充证据处理。左上格只是未完成输出。左下格最危险，因为表面一致、复现率和自动化报表都很好看，常规质量系统反而容易奖励它。
“无靶稳定”也不同于影像—病理不一致。后者通常已观察到两种证据解释冲突；前者可以发生在没有显性冲突时，例如所有报告从同一错误病灶号复制而来，或模型根本不读取病灶身份。它也不同于低置信度：常数分类器可以极高置信。把它单列的目的，是阻止“没有分歧”被自动解释为“已经回答同一个问题”。
保靶账本保留四行：
| 账项 | 通过（0） | 未通过（1） | 未观察（?） |
|---|---|---|---|
| 当前靶点对应 | $M_t=1$ | 已证实取样或指认不对应 | 无充分记录 |
| 阅片者替换 | 合格独立观察者的 $F_t$ 相同且非“未定” | 至少两种 $F_t$ | 未做合格替换 |
| 证据次序置换 | 可容许次序下 $F_t$ 相同且非“未定” | 次序改变 $F_t$ | 未做置换或无时序 |
| 先验—损失扰动 | $\Lambda$ 内 $F_t$ 不变，$A_t$ 另列 | $F_t$ 随设定改变 | 未登记范围或未重算 |
令 $N_1(t)$ 为已观察到的未通过项数，$N_?(t)$ 为未观察项数，保靶开放区间为
$$
\Omega_N(t)=\left[N_1(t),\,N_1(t)+N_?(t)\right].
$$
下界大于零，命题明确开放；下界为零而上界大于零，状态未测；上下界同时为零，保靶账本通过。单有 $\Omega_N=[0,0]$ 仍不够，它可能恰好落入“无靶稳定”。因此另立破靶账本，只记录 $B_T$ 的三值状态，不把它混入一个可被平均的总分。
设确认窗为预先登记的 $\Delta$，首次靶定时刻定义为
$$
\tau_b=\inf\left\{t:
\begin{array}{l}
\Omega_N(u)=[0,0]\ \text{且}\ B_T(u)=1,\\
\text{对所有}\ u\in[t,t+\Delta]
\end{array}
\right\}.
$$
$\Delta$ 不是全书通用常数。模拟阅片实验可按一次完整会话设定，临床事件登记则依资料到达节律设定。窗口、命题粒度、合格观察者、可容许次序、$\Lambda$ 和破靶操作都须在看结局前写明。后来出现新证据时，记录重开和再次靶定，不删除旧时间戳。主读数始终只有一个：$\tau_b$。
为了防止同一病例被不同团队算出任意结果，至少执行十条规则。
1. 一个登记单元只对应一个 $\varphi$；改变患者、侧别、病灶号或分类粒度即新建命题。
2. “未定”不是阴性；缺字段不是稳定，$B_T=?$ 也不能按通过处理。
3. 共识会前与会后分别留痕；会后统一不能删除会前分歧。
4. 复制同一报告不算观察者替换；受同一提示污染的复读也不算独立。
5. 次序置换只在回顾性或模拟环境执行，真实医疗中不拖延必要处置。
6. 先验—损失扰动只改决策参数，不改图像、标本或观察结果；诊断与行动分栏输出。
7. 当前靶点对应未观察时，$\Omega_N$ 上界至少为一。
8. 破靶测试必须保留表面证据值而只切断来源关系；同时删掉内容的试验不能区分对象敏感与信息不足。
9. 另一病灶得到相同类别不算自动失败；判定对象是原命题是否被无证据地沿用。
10. 原始闭合、破靶测试、重开和再次闭合均保留时间戳，不把过程压成最终标签。
整套定义可压缩成一句没有“可能、应该、或许”的问题：
更换读者、改排证据、重算决策后原命题保持；抹掉靶点对应后原命题重开吗？
前半句回答“否”，保靶账本尚未归零；后半句回答“否”，记录进入无靶稳定；任一部分没有资料，答案就是“未测”。只有两个回答依次为“是”，靶定闭合才成立。
第一次筛查影像包含一个后来证实恶性的结构扭曲。眼动记录显示阅片者曾在该区域停留，但最终归为阴性；第二位独立阅片者在无提示条件下标出同一靶点，随后活检证实浸润癌。传统二元记录只留下“第一次漏诊、第二次检出”。在本章账本中，第一次事件并非“癌尚未存在”，而是观察者替换项明确未通过；病理到达、靶点对应、保靶变化收敛且 $B_T=1$ 后，事实才取得靶定地位。
这一序列区分了两种改进策略。若错误来自搜索失败，可以调整显示、工作流或搜索训练；若已经注视却未报告，单纯延长搜索时间未必有效，需要研究表征与决定阶段。闭合框架不负责选择训练方案，却要求错误类型不能被一个低风险分数抹平。它还能产生一条反常预测：增加观察时间可能降低搜索漏失，却不一定提前 $\tau_b$；如果额外时间只强化原先锚定，次序依赖反而延长开放期。
影像显示高度可疑钙化，针芯病理报告良性。若标本影像没有钙化，或组织学解释无法对应影像形态，临床实务强调影像—病理不一致需要进一步处理。此时病理报告并非“低权重证据”，而是很可能回答了错误靶点。账本中靶点对应项未通过或未观察，因而无论观察者对“良性标本”多么一致，原钙化命题都不能闭合为阴性。
Park 等人对超声引导乳腺针芯活检后一致性评估的综述指出，现代操作的假阴性率可以很低，但识别不一致仍是发现取样错误和解释错误的关键。ACR 的立体定向活检核查又要求同一患者、单一圈定钙化、立体定位图和标本影像彼此对应。临床早已知道“病理报告不自动收尾”，本章不能据为己有。剩余问题只在于：当流程表面一致时，它是否还会在对象关系被切断后错误地保持原命题。若现行一致性系统已完整记录这一反检验，本章的新名称应撤销。
另一个病例同样得到良性针芯，但标本充分，靶点对应明确，影像与病理解释协调，独立复核不改变分类。离线删除病灶号或调换对应记录时，系统拒绝把该良性结论继续挂在原靶点上，$B_T=1$。这里不能因为上一病例需要再活检，就把所有良性活检永久开放。双账本在预设窗口内同时通过，该目标命题可以靶定为否定；以后出现新病灶则建立新命题。
此例显示“稳健”不等于保守地多做检查。相反，明确闭合条件能够阻止不必要的无限复核。诊断安全不是让所有病例永不结束，而是让结束具有可复核理由。若一个质量指标奖励检查次数或会诊次数，它会诱发没有信息增益的重复；$\tau_b$ 只记录何时满足条件，不把程序数量本身当成绩。
针芯病理对某一靶点报告导管原位癌，复核一致，取样对应成立。患者面对手术范围、放疗、内分泌治疗或临床试验选择，行动可能因病灶范围、合并症与价值偏好不同。NCI 的现行说明把 DCIS 描述为乳管内的异常细胞状态，也指出它在材料中有时被称为癌前状态；术语和管理争议真实存在。
本章要求把两个层次拆开：若目标命题是“该对应标本符合预先规定的 DCIS 诊断标准”，它可以闭合；若目标命题是“这个 DCIS 必然进展为浸润癌”或“必须采取某一治疗”，它仍开放。先验—损失扰动可改变行动 $A_t$ 而不改变事实 $F_t$。这一反例与稳健贝叶斯或治疗阈值的边界很清楚：本章不追求所有决策稳健，而是检验诊断和决策是否被错误地写进同一栏。
人工智能系统可帮助筛查分流、标记可疑区域或提供风险分数。MASAI 等前瞻试验以及多项回顾性研究表明，人机协作有潜力改变工作量与检出表现。但“多人在看过同一算法提示后都同意”不能自动算作阅片者替换通过，因为算法可能成为共同锚点。Dratsch 等人的乳腺影像实验直接研究了自动化偏差：错误的人工智能建议会把人类判断带向错误方向。
因此，人机评估至少保留三个时间戳：人类无提示初判、算法输出、看到提示后的复判。若只保存最后一栏，观察者一致性可能是被算法制造的依赖。还要增加一项身份消融：删除病灶掩膜与病灶号的对应后，算法若仍以相同置信度把原病灶判为恶性，即使总体准确率不错，也落入无靶稳定。反过来，算法提示若使真正靶点进入报告，且独立病理和破靶核查均支持它，$\tau_b$ 可以提前。
BI-RADS 第 6 类表示已由活检证实的恶性病变。它常用于已知癌的影像记录，因此分类时点位于病理之后。若研究者把第 6 类当作“影像独立发现癌”的最高分，就把后验标签倒灌进了图像判断。此时评估值的确定性来自既往病理，而不是影像证据单独跨过更高阈值。
这条序列暴露了数据集常见的时间泄漏。只有最终 BI-RADS 类别和病理标签，却没有报告时间与证据进入顺序，模型可能学到诊断后的标签。双账本不会仅因“6”而宣称影像阶段已经完成；它要求恢复事件先后，也要求病理后标签在切断病灶来源时不被继续沿用。缺少时间戳与病灶溯源字段时，首次靶定不可测。
第一，更多证据不保证更早闭合。若新增证据来自同一来源的复制，它可能提高主观确信，却不减少未观察项；若先呈现一个错误提示，它还可能增加次序依赖。传统证据计数预测“越多越确定”，本章预测证据的独立性、靶点指向与进入顺序比件数更重要。
第二，更高的一致率不保证更可靠。共同接触同一错误先验、同一算法提示或同一取样错误，可以使观察者高度一致。若靶点对应未通过，$\Omega_N(t)$ 的上界仍不为零。由此产生与多数表决相反的病例判决：三位读者在错误靶点上全票一致，不如两位读者对正确靶点的可解释分歧接近闭合。
第三，行动越果断不等于事实越成熟。高漏诊代价会合理地下调活检阈值，使行动提前；高操作风险又可能使行动延后。两者都不直接改变病理事实。本章预测，在相同后验概率下，行动时间可以因损失结构大幅移动，而一旦靶点对应的诊断命题闭合，分类时间对该扰动应显著较稳。若事实分类与行动建议总是同步随损失变化，“事实—行动分栏”没有经验内容，本章核心判断即受挫。
第四，对所有变化都不变，比对部分变化不变更可疑。一个对象敏感系统对保靶变化不变，却在来源关系被切断时重开；常数系统对两类变化都不变。故“覆盖更多扰动”不再单调增加可信度。相同总体准确率下，破靶后置信度仍不下降的系统，本章预测其错病灶、标签泄漏或捷径依赖率更高。若相反结果在多中心稳定出现，这条判断应撤销。
第一种是快速归零：初始影像明确，取样对应，独立复核与参数扰动很快一致。它可能代表高效，也可能代表三项检验共享同一信息源。只有独立性记录完整，快速才具有解释。第二种是延迟归零：影像与首次病理不一致，经过标本复查或重新取样后闭合。它不能仅因耗时较长被判为低质量，因为延迟可能正是安全系统拒绝错误阴性的结果。
第三种是带宽长期不消失：$\Omega_N(t)$ 下界为零而上界持续大于零。这里没有已知冲突，却缺少观察者、次序或对应资料。常规数据库最容易把这种状态错写成稳定，因为最终标签看起来整齐。本章坚持把它称为未定；“没有记录到分歧”与“检验后没有分歧”是两句话。
第四种是归零后反弹：命题曾在确认窗内闭合，随后手术标本升级、外院复核改类或发现靶点错误，$\Omega_N(t)$ 再次大于零。反弹不是自动证明早先人员失职。若当时证据与程序充分，阶段性闭合可以合理；新的重开理由必须追加而非回写删除。物理学所谓历史依赖在这里获得最克制的操作形式：系统保留每次跃迁的方向和触发证据。
第五种是事实线归零、行动线分叉。病理分类稳定，而治疗、随访或进一步检查因风险、偏好与资源条件分开。这种形状不是系统失配，而是诊断与共同决策被正确分栏。相反，若管理部门强求两条线同时收束，患者价值会被伪装成诊断噪声。
第六种是保靶区间归零、破靶轨道不过关。观察者、次序和参数复算全都一致，$\Omega_N=[0,0]$，但删除病灶来源后系统仍维持原命题，$B_T=0$。这条看似最平滑的轨迹正是无靶稳定。它不能靠增加更多同类读者修复，只能恢复来源约束或承认系统没有处理病灶身份。
因此，曲线不能用“越快越优、越平越稳”解释。评价至少要同时问：快是因为信息充分还是共同锚定；慢是无谓等待还是发现不一致；反弹来自可避免错误还是后来证据；平滑是否在破靶后也不合时宜地持续。$\tau_b$ 是研究读数，不是价值排序。它只有与 $B_T$、重开理由和患者结局共同分析时才有解释。
新名词最容易在忽略前史时显得新。为此，本章从经典检测、数学方法、临床实务、认知纠错与科学知识研究五个方向寻找能够吞没中心判断的框架。评价标准不是“谁更全面”，而是两套框架在同一病例上能否作出相反判决。若不能，所谓新概念只是改名。
| 先行框架 | 它已经解释的核心 | 与本章的决定性分离病例 |
|---|---|---|
| Green—Swets 信号检测 | 敏感性与反应准则分离，基率和收益损失移动标准 | 辨别力与准则相同但取样靶点错误：信号检测可以记录高置信命中，本章仍判开放 |
| Kundel—Nodine 阶段模型 | 搜索、识别、决定可分别失败 | 搜索与报告均完成但影像—病理不对应：认知阶段完成，本章未闭合 |
| Wald 序贯概率比检验 | 证据逐项到达时按似然比停止 | 模型对同源复制证据重复计权而提前停止：序贯检验已终止，本章因独立性与对应问题开放 |
| Page 变点／CUSUM | 检出统计分布发生改变的时刻 | 风险分布发生变点但个案靶点未被指认：有变点，无诊断事实 |
| Ratcliff 扩散决策 | 证据积累、边界和反应时的关系 | 观察者迅速到达决定边界，之后病理显示取样不符：反应结束，事实未闭合 |
| Mitchell 版本空间 | 证据排除候选，直到剩余假设收缩 | 版本空间因重复或依赖证据只剩一个错误靶点；反之，多种病因解释并存却都蕴含同一组织学诊断 |
| 稳健贝叶斯分析 | 结论对先验、模型和损失设定的敏感性 | 对全部先验都稳定的“良性”来自错误标本：贝叶斯稳健，目标命题开放 |
| Levins—Wimsatt—Weisberg 稳健性分析 | 跨模型共同结果及其失效条件可提供认识论信息 | 多个模型共享同一错误标签源而预测一致：结果稳健，原命题却未绑定病灶 |
| Orzack—Sober 的稳健性批评 | 稳健本身不自动证成命题为真 | 本章接受其否定，但还须区分对保靶变化稳定与对破靶变化敏感 |
| Chen—Cheung—Yiu 蜕变测试 | 没有现成神谕时，以输入—输出变换关系暴露错误 | 破靶变化只是医学化的蜕变关系；新增状态不在测试方法，而在失败输出如何进入诊断账本 |
| Lipsitch 等负对照 | 预期不应存在关联的对照可暴露混杂与偏倚 | 负对照检出偏倚，不单独规定一条稳定诊断陈述何时因失去对象而丧失事实资格 |
| Ross 等“因正确理由而正确” | 正确预测可以依赖错误特征 | 两个模型都用正确局部特征，但其中一个把特征挂到错误病灶号；理由相关，命题仍错位 |
| Adebayo 等随机化核查 | 解释若在模型或数据随机化后不变，就不敏感于所声称来源 | 方法形式几乎覆盖破靶核查；本章若只剩一次消融，应并入该传统 |
| Binkyte、Boulila 等选择性不变 | 不同可信目标要求彼此冲突的不变性，信息擦除时不宜强制对齐 | 已占用“选择性不变”；本章仅保留诊断记录中的无靶稳定与首次靶定事件 |
| BI-RADS | 统一影像术语、评估类别和处置联系 | BI-RADS 5 可高度提示但尚无组织学事实；BI-RADS 6 又位于病理之后，类别序列不等于发现序列 |
| 三联评估 | 临床、影像和病理联合提高诊断表现 | 三项都有结果但共享错误病灶编号，形式完整而目标不对应；若其成熟版本已防止此事并记录扰动，本章被吸收 |
| 影像—病理一致性 | 判断取样结果是否解释影像靶点，发现不一致 | 对应已经成立但先看算法与后看算法导致相反分类：一致性通过，次序项未通过 |
| ACR 靶点与标本影像核查 | 同一患者、单一圈定钙化、定位图与标本影像须相互对应 | 临床原则已占“证据属于哪个靶点”；若其系统也测试破靶后是否重开，本章被无损吸收 |
| 过早闭合／认知强迫 | 找到一个解释后过早停止搜索，以及纠偏策略 | 继续搜索仍可发生于已闭合命题；相反，停止搜索后若四项通过，认知“停止”不等于事实错误 |
| Fleck 的科学事实发生学 | 科学事实在思维集体、实践和历史中形成 | 本章承认诊断地位的实践性，却坚持病变可独立存在，并给出病例级撤销条件；社会发生史本身不输出 $\tau_b$ |
Green 与 Swets 的信号检测理论已经明确说明，命中率上升可能来自敏感性提高，也可能来自反应标准移动。因此，任何只说“漏诊代价改变阈值”的论文都没有原创余地。Ratcliff 的扩散模型又把证据积累、边界距离与反应时间联系起来，更不允许把“证据逐渐积累到决定”说成新发现。
本章与它们的差异只在一个严格位置：这些模型通常以给定试次的刺激类别或外部真值为评价基准，而临床病例还须证明报告、图像靶点与被取样组织指向同一对象。一个观察者可以在心理层面快速、稳定、甚至统计上最优地作答，却对错了靶点。反向病例也成立：边界病例的反应时和信心可以分散，但若相应标本的组织学命题在独立复核中一致，事实可以闭合。若未来把靶点溯源完整嵌入信号检测模型，并能无损产生本章四行账本，那么“靶定闭合”没有单列价值。
Wald 的序贯概率比检验早在 1945 年已经研究何时停止取证；Page 的连续质量控制方法则寻找分布改变的时间。本章不能以“首次时刻”冒充突破。真正的差异是停止条件的语义。序贯检验在两个假设、似然模型和误差界限给定后决定何时停止；变点方法判断过程分布是否改变。它们不会自动验证针芯来自哪一簇钙化，也不会区分诊断分类与处置建议。
更尖锐的反例来自证据依赖。若同一报告被复制到三个系统，天真的序贯算法可能把它当三份证据，似然比迅速越界；本章只看到同一来源的三次转录，不会把观察者替换或靶点对应记为通过。相反，如果多种病理机制仍无法区分，却都支持“标本中有浸润癌”，诊断命题可以闭合，而病因假设的版本空间继续开放。停止、变点与事实闭合因此不是相互包含，而是交叉关系。
Mitchell 的候选消除与版本空间思想用证据逐步删除不一致假设。它与本章“开放—闭合”在表面上最相似。如果本章只是说候选越来越少，理应并入机器学习史。分离线仍是命题身份与扰动种类：一个版本空间可以因训练样本偏置、同源复制或标签泄漏收缩到唯一错误规则；$\Omega_N(t)$ 则因靶点不对应或次序未测保持开放。反过来，乳腺癌的克隆起源、进展路径和未来行为可以保留多个候选，而“这一标本存在浸润癌”的目标分类已经稳定。
稳健贝叶斯更接近第三项扰动。Berger 对贝叶斯决策与稳健性的系统化工作提醒研究者检验输入改变是否推翻结论。本章没有权利把这部分据为己有。剩余部分是把参数敏感性与两个非参数问题并列：谁作判断、证据以何顺序进入；再用靶点对应限制它们讨论同一对象。若实证结果表明阅片者与次序效应完全可由一个扩展的先验类和似然模型吸收，且目标溯源也可作为该模型的普通变量无损编码，本章应降级为稳健贝叶斯的一项临床应用。
Levins 在 1966 年讨论不同模型策略时已把跨模型保留的结论称为稳健结果；Wimsatt 随后把稳健、可靠与多重决定联系起来；Weisberg 又把共同结构、共同预测和失效条件组织成稳健定理。本章对保靶变化的要求明显属于这条谱系，不能以“在多个条件下不变”申领原创。
更重要的是，Orzack 与 Sober 早已批评稳健性对真值的证成作用并不当然成立。多个模型可以共享同一错误假设，多个观察者也可以共享同一错误靶点。本章从这一批评再向前走的距离很短：不是再说一次“稳健不等于真”，而是把变化分成方向相反的两类，并要求一项诊断事实携带自己的破裂边界。若这种分型不能产生新的病例状态，剩余距离就是零。
Chen、Cheung 与 Yiu 在 1998 年提出蜕变测试，核心是在缺少直接测试神谕时规定相关输入之间应满足的输出关系。Lipsitch、Tchetgen Tchetgen 与 Cohen 将负对照用于暴露观察性研究中的混杂和偏倚。Ross、Hughes 与 Doshi-Velez 则提醒，模型可以“答案正确、理由错误”。这些工作已经占据“不能只看一次正确输出”的大片地盘。
Adebayo 等人的随机化核查更接近本章的破靶变化：一幅解释图若在模型参数或数据标签随机化后仍几乎不变，就没有反映所声称的模型或数据生成过程。把“模型／数据”换成“病理证据／病灶身份”，方法形式几乎一一对应。因此，删除病灶号、调换病灶级标签和检查输出是否重开，都只能被诚实地称为借用，不能充当本章的新思想。
Binkyte 等在 2026 年明确讨论不同可信目标之间的不变性冲突；Boulila 等更把“选择性不变”写入方法名称，并指出信息擦除型变换不适合强求对齐。名称和原则都已有占位。本章据此放弃该命名，只留下一个更窄的诊断学主张：临床账本缺少“稳定输出在对象关系被破坏后仍不重开”这一状态。若病理信息系统、医学人工智能验证或认识论文献已经以同一判据单列该状态，“无靶稳定”也应改名或删除。
乳腺临床并非等到本章才知道多源互证。体检、影像和组织病理的三联评估长期用于乳腺肿块；Dillon 等人以及 Wai 等人的研究讨论了其准确性和改良形式。影像—病理一致性流程更直接地要求病理结果解释影像异常。这两者已经占据“不能只看一份报告”和“必须确认取样对应”的主体地盘。
ACR 的立体定向活检核查要求提交材料来自同一患者，只圈定一组待活检钙化，并让相关乳腺摄影、立体定位图和标本影像都显示该目标。D'Orsi 等对标本钙化的放射—病理验证、Liberman 等对钙化取回的研究，也早已把“是否真正取得目标”变成可查步骤。本章不能以靶点溯源为原创。
因此，本章不能以“三种证据互相支持”或“标本属于这个病灶”为新判断。剩余量只有两项：把保靶收敛与破靶重开同时写入一个带时间戳的诊断状态；把保靶已经归零而破靶不过关者单列为无靶稳定。如果成熟的三联评估、一致性平台或标本管理系统已无损记录二者，新增术语必须删除。
认知医学把“找到一个满意解释便停止寻找替代诊断”称为过早闭合。Croskerry 提出的认知强迫策略以及后续研究试图减少这类偏差。该传统和本章使用同一个“闭合”词，却判断不同对象：前者判断临床思维是否过早停止，后者判断一个固定命题是否完成可复核资格。
二者可以反向。医师即使继续广泛鉴别诊断，关于已取样靶点的“存在浸润癌”仍可闭合；继续搜索针对的是分期、第二病灶或病因。医师也可能在一次良性报告后停止搜索，但靶点不一致使命题开放。由此可检验的差异是：增加鉴别诊断清单若减少认知偏差，却不改变靶点对应和三类保靶变化结果，$\tau_b$ 不应被机械提前；若过早停止恰好阻断了第二阅片或一致性复核，它才通过账本字段影响闭合。
Fleck 1935 年的著作早已讨论科学事实如何在思维集体与实践中发展。本章关于“事实地位被生成”的措辞若不设边界，很容易退化为这一传统的临床复述。边界有两条。其一，本章不从社会形成推出本体依赖：一个尚未被人发现的乳腺肿瘤仍可生长、侵袭和转移。其二，本章给出病例级操作与撤销条件，而不是用“共同体接受”解释一切。共同体一致若建立在错误靶点上，依旧不闭合；孤立的正确发现若尚未完成互证，可以在生物学上为真、在诊断记录上仍开放。
这不是降低真理为行政程序，而是区分“世界中有什么”与“医疗系统凭什么把一个命题写成已成立”。前者不等后者，后者也不能反过来创造前者。若本章不能维持这条界限，任何批评都可被解释成“另一种事实生成”，概念将失去可错性。
经过上述削减，本章只保留一个很小的原创剩余。无靶稳定不是低置信度、普通不一致或已经发现的错标。它是保靶账本已经归零、破靶后原命题仍不重开的一项独立诊断记录状态。靶定闭合则把事实写成同时拥有保持边界与破裂边界的时间关系。观察者替换、次序置换、稳健分析、负对照、蜕变测试、随机化核查和靶点一致性全部是借来的。
剩余主张只有在四件事同时成立时才值得保留：无靶稳定能被不同编码者复现；它不能由现行一致性字段无损重建；它与总体准确率或置信度给出相反的系统排序；它预测错靶、标签泄漏或诊断重开。若它只是给既有错误多加一栏，或 $\tau_b$ 只是现行病理报告时间的改名，两个新名称都应删除。
本章于 2026 年 8 月 10 日对 CBIS-DDSM 的四份官方病例描述表进行预注册复算。数据来自 Cancer Imaging Archive 发布的乳腺 X 线精选子集，官方页面报告实际参与者一千五百六十六人、图像一万零二百三十九幅，并提供肿块与钙化的训练、测试描述表。预注册在汇总分布计算前固定三个问题。
第一，单一影像评估值是否已经无歧义地携带病理标签。若每个评估类别只对应一种病理、条件熵为零且测试 ROC-AUC 为一，则“评估值仍非事实”的数据论据失败。第二，从训练集选出的单阈值能否跨肿块与钙化测试集完美分类；阈值在查看测试结果后不得调整。第三，表中是否具有重建首次闭合所需的阅片者、时序、靶点一致性与决策参数字段；若字段齐全并可重建序列，“公开数据无法估计”这一判断失败。
分析单位不是 CSV 行，而是折叠后的病灶。病灶键预先定义为数据分割、病变类型、患者编号、侧别和异常编号。相同病灶的 CC 与 MLO 行先折叠；同键若出现不一致的评估或病理，不用多数票强消解，而是从主分析排除并单列。病理标签把 MALIGNANT 编码为一，把 BENIGN 与 BENIGN_WITHOUT_CALLBACK 编码为零。阈值规则为评估值大于等于整数 $k$；每一病变类型只在训练集以 Youden 指数选 $k$，再冻结到测试集。
四份原始表共有三千五百六十八行，经病灶键折叠得到二千零五十个候选病灶键。五十七个键因同键的视图间评估不一致、病理不一致或两者之一而排除，占 2.78%；其中五十五个键存在评估不一致，六个存在病理不一致，二者可重叠。主分析保留一千九百九十三个病灶，其中八百零七个为恶性，占 40.49%。
这一排除不是清洗噪声的技术细节，而是中心问题的缩影：同一病灶键的不同视图若带着不同评估，数据库没有时间与读者字段，就无法知道它是合理的视图差异、转录问题还是判断改变。把它们多数化会制造一个从未真实出现过的稳定标签。本章宁可损失样本，也不把未知冲突改写为一致。
四份文件及 SHA-256 如下，以便复核：
| 文件 | 原始行 | 折叠病灶 | 排除键 | SHA-256 |
|---|---|---|---|---|
| --- | ---: | ---: | ---: | --- |
| 肿块训练 | 1,318 | 756 | 26 | a4bcc1c32bfd040212737e6e8c304819334abe717cfefff56431dc50ae6db723 |
| 肿块测试 | 378 | 212 | 11 | 60f0b4504ec024106bbdd1555030d220163ea9da0ea4688473a4c9c3e8ab0457 |
| 钙化训练 | 1,546 | 837 | 19 | 3c7b07e8202f66709f446b9695e96c5d17484a65fda6a24d0170a0c1b81d56e3 |
| 钙化测试 | 326 | 188 | 1 | 03a2f72efb6ed29f417e07f4598950e6a1e02e6b11250ff516ebe7924ace3689 |
把 assessment 当连续评分，全部一千九百九十三个病灶的 ROC-AUC 为 0.8146。这是有用的辨别信息，不应被描述成“影像无效”。但总病理结局熵为 0.9738 比特，在给定评估值后仍有 0.6312 比特条件熵，即原不确定性的 64.82% 保留下来。单一分数远未无损重建病理。
类别内混合更直观。评估 4 的九百二十九个病灶中，四百零九个恶性，恶性比例 44.03%，Wilson 95% 区间为 40.86%—47.24%；同一类别同时容纳大量恶性和非恶性。评估 5 的三百二十四个病灶中三百一十七个恶性，比例 97.84%，区间 95.61%—98.95%，仍有七个非恶性标签。评估 3 的二百五十八个病灶中四十九个恶性，比例 18.99%。数据还包含少量 0 与 1 等旧式或异常编码，提示不能把该精选历史资源直接等同于现行 BI-RADS 语义。
这个结果只推翻一个强等式：影像评估值不等于病理标签。它不证明病理标签永远正确，不证明新定义改善诊断，更不把条件熵解释为“64.82% 的病例未闭合”。熵是总体标签不确定性；$\Omega_N(t)$ 是病例事件账本，二者单位不同。
肿块训练集以 Youden 指数选择的阈值为 4。冻结后用于二百一十二个肿块测试病灶，敏感度 0.9506，特异度 0.5573，阳性预测值 0.5704，阴性预测值 0.9481，平衡准确率 0.7539。钙化训练集选择的阈值却为 3；用于一百八十八个钙化测试病灶时，敏感度 0.9605，特异度 0.3750，阳性预测值 0.5105，阴性预测值 0.9333，平衡准确率 0.6678。
若把合并训练集选出的阈值 4 强加给钙化测试集，敏感度降至 0.8421，特异度为 0.4107，平衡准确率为 0.6264。阈值差异不能单独证明物理学意义上的迟滞，也可能来自病例谱、标注传统或抽样。它只说明“存在一条跨病变类型的自然事实线”没有得到这份数据支持。临床行动阈值有任务条件，不能冒充普适对象边界。
机械字段审计没有找到以下任一项：阅片者编号、阅片或报告时间、证据进入次序、独立第二次阅读、活检时间、影像—病理一致性、取样充分性、诊断先验、假阴性与假阳性损失、诊断与管理分栏、闭合后重开事件。因此，这组公开表不能计算任何病例的 $\Omega_N(t)$ 轨迹，也不能估计 $\tau_b$。
这个结果对本章不利，因为它阻止作者展示中心读数与结局有关。字段缺失最多证明“该资源不能检验”，不证明真实医疗没有这些过程，更不能把缺字段本身当作新概念正确的证据。它迫使经验结论收缩为两句：第一，影像标量不能单独承担诊断事实；第二，现有常用公开表不足以验证靶定闭合。新定义目前仍是待检验的研究构造。
第二轮核查在原汇总结果已经看过之后提出，因而不是对整份数据保持盲态的首次预注册。它被明确标为增补，并在检查合格层数量前冻结规则。分析只在相同分割、病变类型、患者与侧别内进行。合格层至少有两个异常编号，且同时含恶性与非恶性标签。核查保留 assessment 和所有层级边际，只把 pathology 来源行在病灶号之间作无固定点置换。少于三十个病灶，或任一结局少于十个，结果只作描述。
实际只有八个合格层、十八个病灶，其中恶性十个、非恶性八个，没有通过信息量门槛。真实配对的 AUC 为 0.7500。以固定随机种子进行一万次层内无固定点置换，置换 AUC 每次均为 0.2625，故表面差值为 0.4875，单侧蒙特卡洛比例为 0.0001。六个层只有两个病灶，另两个层只有三个病灶；在既定标签构成下，所有可抽到的置换都给出同一个合并 AUC，因此零方差不是精密性的证据，而是置换空间过小。
这个结果有一个诱人的读法：具体病灶配对携带影像评估与病理之间的信息。本章拒绝把它升级为主张验证。首先，十八个病灶低于冻结门槛，非恶性也不足十个。其次，数据只容许调换最终标签，不能观察系统是否识别来源被切断，因而算不出 $B_T$。再次，AUC 下降不等于临床命题重开，更不证明 $\tau_b$ 预测患者结局。最强结论只能是：病灶级配对值得保留，现有公开表不足以检验它在诊断链中的破裂反应。
复算脚本固定病灶键、标签映射、排除规则、Wilson 区间、条件熵、ROC-AUC、训练—测试阈值与增补置换规则，不对测试集调参。四份重新取得的官方文件与首次运行 SHA-256 完全一致；增补结果 JSON 的 SHA-256 为 `330532ff7b1845975f2164a68370ae8eb917822a54756be39404d66632ffee07`。CBIS-DDSM 是回顾性精选资源，病例谱与现行筛查人群不同；assessment 字段不能未经核实地当作现行 BI-RADS 的逐字实现。本章不发布可识别信息，不对个体病例提供医疗建议，也不把算法表现转成临床阈值建议。两次核查的作用是让理论接受不利材料，不是借一个公开数据集宣布临床有效。
验证本章不能只收集最终病理与结局。最小研究应在多中心乳腺诊断流程中，前瞻登记连续进入组织取样路径的影像靶点。一个患者有两个独立病灶，就建立两个命题；一个病灶若同时研究“有无恶性”与“是否浸润”，就建立两个粒度不同但彼此关联的命题。入组时冻结侧别、位置、病灶编号、目标类别、最初影像评估与拟议行动，之后任何修改都作为事件追加。
主队列可以包括因乳腺 X 线、超声或磁共振异常而接受针芯活检或真空辅助活检的靶点。为提高判别力，预先标记三个边界层：影像可疑而初次针芯良性；不典型增生或导管原位癌等观察者差异较大的病理类别；人工智能提示参与判断的病例。典型浸润癌与明确良性病例仍须纳入，以防只在争议样本上人为放大构念。
每次证据到达写入不可覆盖的事件行，至少包含：
| 字段组 | 最小内容 | 防止的错误 |
|---|---|---|
| 命题身份 | 患者匿名号、侧别、位置、病灶号、命题粒度、版本 | 把不同靶点或不同问题合并 |
| 观察事件 | 观察者角色、匿名资质层级、独立／共识状态、开始与提交时间 | 把复制报告当独立判断 |
| 证据来源 | 影像类型、临床史、算法提示、病理、前次报告及其来源标识 | 把同源转录当新增证据 |
| 呈现次序 | 每项证据的可见时间与实际查看顺序 | 用最终证据倒灌早期判断 |
| 双栏输出 | 诊断分类 $F_t$、信心或后验、行动 $A_t$ | 把建议活检写成癌事实 |
| 取样溯源 | 取样方式、标本影像、标记物、充分性、影像—病理一致性 | 在错误靶点上稳定 |
| 参数登记 | 先验来源、损失项目与预设范围 | 事后调范围制造稳健 |
| 破靶核查 | 核查版本、被切断的来源边、原命题是否重开、执行时间 | 把无靶稳定漏记成一致 |
| 状态事件 | 开放、未定、无靶稳定、靶定、重开、再次靶定及理由 | 只留下最后标签 |
“九组字段”不是要求九次检查，而是要求已有流程留下结构化痕迹。很多内容已在影像报告、病理报告、标本影像或多学科会议中存在，只是散落在文本或被覆盖。研究先做记录改造，不把记录缺口转嫁成患者身体上的额外取样。
阅片者替换可以利用现有双读、质量复核或对去标识病例的延迟独立复读。临床处置不等待研究复读；研究输出与即时医疗隔离，除非复读发现依法和伦理上必须处理的安全信号，此时按预定升级流程进入临床，并完整记录由此造成的次序变化。
证据次序置换主要在处置完成后的模拟环境完成。将相同证据包随机分配给不同合格观察者：组一先独立读图再见算法，组二先见算法再读图；组一先见影像再见去标识病理，组二先见病理类别再定位对应影像。每位观察者只参与一种次序，避免记忆污染。置换不改变患者接受的医疗，不隐瞒现实中已经需要立刻采取的行动。
先验—损失扰动采用离线重算。研究团队预先从目标人群患病率、活检并发症、延迟诊断后果及患者偏好研究中确定一个有依据的范围；诊断与行动分别输出。若病理命题的分类在这一范围内变化，先检查模型是否把行动阈值误写成真值阈值，而不是立即给患者追加检查。
破靶核查同样只在去标识研究副本中进行。系统复制一条已完成记录，再删除病灶号—标本号连接，或在同患者同侧的多病灶副本中调换来源指针；原临床记录、患者报告和治疗均不改变。核查只问系统是否继续把原分类挂在原命题上。任何需要真实错贴标本、向医师提供假病理或推迟告知的设计一律禁止。
首要测量学终点是不同编码团队对 $\tau_b$、$B_T$、无靶稳定与重开事件的复现。随机抽取至少 15% 的命题，由不了解结局的第二团队依据公开手册独立编码；报告事件时间差、状态一致率和分项一致性，不以一个总体 $\kappa$ 掩盖罕见状态。若目标对应或破靶反应不能被稳定编码，先修订字段与手册，不能把模糊性归咎于病例。
首要临床过程终点是十二个月内的诊断重开：因影像—病理不一致、追加取样、手术标本升级、外院复核改类或靶点错误而重新打开原命题。基线模型只使用最初 BI-RADS、病变类型、首次病理类别和现行一致性判断；扩展模型加入 $\Omega_N(t)$、$B_T$、无靶稳定和 $\tau_b$。评价采用时间依赖判别、校准和决策曲线，不把统计显著性当作有用性。
关键对照是“最终标签与保靶轨迹相同、破靶反应不同”的匹配病例。两例都可迅速达到 $\Omega_N=[0,0]$，一例在来源被切断后重开，另一例仍维持原命题。本章预测后者更易出现错靶、标签泄漏或后续诊断重开。另一个对照是“行动不同、事实轨迹相同”：同一病理命题靶定后，患者可因价值与风险选择不同管理，行动差异不应被编码成事实不稳定。
必须保留四个空结果。其一，$\tau_b$ 几乎总等于首份病理报告时间；其二，重开完全由现行影像—病理一致性解释；其三，无靶稳定几乎不存在或无法复现；其四，破靶反应不预测任何外部错误。任何一个都比选择性展示“有趣病例”更重要，因为它们直接决定新名称是否值得保留。
先看一个影像可疑、首次针芯良性的钙化靶点。$t_0$ 时第一位阅片者给出可疑分类并建议活检，但尚无独立复读、次序实验、参数重算和组织对应，四行全是未观察，$\Omega_N(t_0)=[0,4]$。这不说判断错误，只说事实资格未测。$t_1$ 时第二位阅片者在无提示条件下指认同一钙化，观察者项通过，其余三项未测，区间收缩为 $[0,3]$。
$t_2$ 时针芯报告良性，但标本影像没有出现目标钙化，影像—病理团队判定不一致。靶点对应从未观察变成明确未通过；若观察者项仍通过，而次序和参数项未测，则 $\Omega_N(t_2)=[1,3]$。虽然证据更多，命题反而从未定变成明确开放。$t_3$ 时依临床指征重新取得对应钙化，病理报告恶性；独立复核在预设次序与参数范围下分类一致，四项归零。离线切断新标本与病灶号后，系统把原命题退回未定，$B_T=1$，故 $\tau_b=t_3$。最终恶性标签不能倒填成 $t_0$ 已经靶定。
再看一个病理证实 DCIS 的靶点。$t_0$ 影像可疑，$\Omega_N=[0,4]$；$t_1$ 取样对应且病理初判 DCIS，区间为 $[0,2]$；$t_2$ 独立复核与离线保靶变化均保持分类，区间归零。然而研究副本删除标本—病灶连接后，旧系统仍自动回填“原病灶 DCIS”，所以 $B_T=0$，此时不是靶定，而是无靶稳定。$t_3$ 系统修复来源约束，破靶后原命题重开，$B_T=1$，此后才得到 $\tau_b=t_3$。患者对手术范围的不同选择只改变 $A_t$。
两条轨迹说明四个计数纪律。最终判断正确不等于早期事实完成；新增证据可使开放度上升；保靶归零仍可落入无靶稳定；管理分歧不自动污染病理命题。$\Omega_N(t)$ 与 $B_T(t)$ 因而不能合并成一条置信度单调上升曲线。
首次靶定时刻很容易被管理者误读为“越快越好”。这会产生三种伤害：催促复杂病理过早定案；通过共享提示制造表面一致；把患者考虑治疗选择的时间算作诊断延误。为此，实施前写入三条治理禁令。
第一，$\tau_b$ 不用于个人绩效排名。它受病例难度、资料到达与机构资源影响，必须先用于系统流程研究。第二，不为压缩 $\tau_b$ 增加无指征活检、影像或会诊；研究记录已有证据，新增程序仍按临床指征决定。第三，任何影响患者权益、保险或医务评价的衍生指标，都须公开编码规则、允许查看原始事件链并提供异议更正渠道。
患者的行动时间不等于事实时间。患者在病理明确后要求第二意见、考虑保乳或全切、推迟决定以照顾家庭，这些都不能被写成“她拒绝让事实闭合”。同样，患者报告疼痛、身体变化或对靶点的疑问，可能触发对应复核；这是一项证据信号，不是“非理性焦虑”。框架若反而压低主体声音，就违背了认知科学引入观察者位置的初衷。
一个概念只有在作者列出不愿看到的结果时才有研究资格。以下任一强结果都要求收缩；多项同时出现，则撤销“靶定闭合”与“无靶稳定”的独立名称。
在报告与标本资料完整的病例中，两组训练后的编码者仍不能可靠区分患者、侧别、病灶号与命题粒度；修订手册后也不能改善。此时 $\Omega_N(t)$ 没有可复现分母，后续装置全部失效。
观察者替换、次序置换与先验—损失变化在实践中始终同涨同落，或差异完全由“再看一次”解释。若合并成一个现行复核字段后病例排序不变，三行账项应删除。
两组编码者面对同一去标识副本，无法一致判定来源边是否被切断、原命题是否重开；争议来自定义而非资料缺失。此时 $B_T$ 是研究者解释，不是可清点事件。
把病灶身份写成普通输入特征、把来源删除写成一条蜕变关系后，既有软件测试或负对照框架可产生与本章相同的每个病例判决，且不需要“无靶稳定”这一记录状态。此时本章只是成熟方法的医学示例。
规范的一致／不一致、标本摄影、病灶号和首次病理时间已经能无损重建 $\Omega_N$、$B_T$ 与 $\tau_b$；新增字段既不改变状态，也不预测外部终点。临床先行体系已经完成工作，新名称必须删除。
所有 $B_T=0$ 病例都被现行字段即时标为错患者、错侧别、错病灶、标签泄漏或取样不足，没有一例出现“保靶已归零而现行系统仍判完成”。此时无靶稳定只是已知错误的上位词，没有新增本体地位。
在时间戳完整的独立样本中，不同编码团队对 $\tau_b$ 的中位绝对差持续大于预设确认窗的一半，或对重开事件低于研究前冻结的最低一致标准，训练与裁决也不能改善。一个不能复现的时刻只是叙事回顾。
在至少两个外部中心，无靶稳定率均低于 2%，其重开风险比低于 1.1 且绝对差低于 1 个百分点；同时加入 $\Omega_N$、$B_T$ 与 $\tau_b$ 后，外部验证时间依赖 AUC 增量低于 0.01。此时双轨只能描述，不能区分机制，应按第十三节的同一阈值撤销主张。
改变合理的先验—损失设定时，诊断分类与行动总是一起改变；病理命题稳定时，行动也从不因患者风险与价值变化。若不存在“事实靶定而行动开放”的病例，诊断—行动分栏没有经验内容。
严格核查后，删除或调换病灶来源既不改变诊断修订，也不改变任何后续错误；原始配对与置换配对在足量、多中心样本中表现相同。此时本章把对象绑定放在核心位置就是错误。CBIS-DDSM 的十八病灶增补核查因未过门槛，既不能支持也不能推翻这一条。
另有一条语义性撤销条件：若读者只能把全文压缩成“多看几次、证据多一点、谨慎一点”，说明定义没有产生独立判断。合格压缩必须同时保留相反方向：保靶变化不改分类，破靶变化使原命题重开。漏掉任一半，都不是本章所说的诊断事实。
本章作如下预先承诺：到 2032 年 12 月 31 日，出现至少一项跨中心、总计不少于一千个活检靶点的前瞻登记；每个中心独立留出验证，并完整记录双账本。在“BI-RADS 4 后首次良性或高风险针芯，以及不典型增生／DCIS”这一冻结边界层中，四项结果同时出现：
1. 在保靶账本已归零的命题中，首次离线破靶核查至少有 10% 得到 $B_T=0$，即无靶稳定；
2. $B_T=0$ 组十二个月内错靶更正或诊断重开的发生率至少为 $B_T=1$ 组的 2 倍，且绝对差至少 5 个百分点；
3. 至少 15% 的目标命题其 $\tau_b$ 晚于首份病理报告时间；
4. 双轨模型相对“最初 BI-RADS＋病变类型＋首次病理类别＋现行一致性状态”的基线模型，对十二个月诊断重开的外部验证时间依赖 AUC 提升至少 0.05。
四项齐全才算完整命中。若两个独立外部中心均显示无靶稳定率低于 2%，且其重开风险比低于 1.1、绝对差低于 1 个百分点，则撤回“无靶稳定是一项独立有用状态”。若两中心的 $\tau_b$ 延后比例均低于 5%，且 AUC 增量低于 0.01，则撤回“首次靶定是一项独立有用读数”。一组达到、另一组未达到，只能保留相应局部主张。
同一中心随机拆分不算外部验证；看完数据后改边界层、破靶操作或确认窗也不算。治疗选择变化不是诊断重开，最终手术病理不能倒填早期字段。记得病例的同一阅片者不算独立替换；人工智能与看过同一提示的人也不是两个独立观察者。只删除全部临床内容而不切断来源连接，不算破靶。另一病灶恰好同为恶性，也不能据此宣称原命题没有重开。
先验与损失范围必须先登记；确认窗 $\Delta$、命题粒度、保靶变化集 $\mathcal G_N$ 和破靶变化集 $\mathcal G_T$ 也不能在看见结局后移动。团队可以通过缩窄 $\Lambda$、延长确认窗或挑一个必然失败的破靶操作制造漂亮结果。数学要求否定与肯定结果使用同一规则。事实分类与行动若未分栏，参数项直接判为未观察；删掉全部临床内容而非来源连接，也不能算破靶核查。
没有事件时间戳，就没有路径；没有可逆的次序操控或自然次序差异，就不能声称迟滞；只有两次横断面评分，也不能推断临界减速。$\Omega_N(t)$ 是登记曲线，$B_T$ 是来源破坏核查，二者都不是乳腺组织的相变方程。物理学贡献的是路径和重开约束，不给医学概念增加自然科学光环。
观察者不是待平均掉的误差。资质、任务、视觉搜索、提示暴露与报告规则都构成判断条件。所谓“替换”若把专家经验差异消成匿名票数，会错误惩罚合理异议。认知科学要求保存分歧发生在哪一阶段，也要求区分独立共识与共享锚定。人工智能是认知环境的一部分，不是中性的额外读者；它在破靶后仍稳定，不是“超越人类偏差”，而是可能没有读取对象身份。
三重限制合在一起形成一道伦理边界：本章只能用于研究诊断命题与记录系统，不能向个体患者计算“你有百分之多少靶定”，不能依据 $\tau_b$ 决定是否治疗，也不能用离线破靶结果否定一份明确病理。读数指向记录位置和系统，不指向医务人员或患者；不得为改善读数安排无指征轮换、制造错配或延迟告知；任何据此作出的不利安排都必须公开编码规则并提供复核通道。
若本章把缺字段或十八病灶置换当作支持，就会在自己的账本上失败。当前材料只支持四个较弱判断：视觉搜索、识别与报告可分离；行动阈值依赖先验与损失；影像评估值不能无损重建病理；病灶级配对在一个信息量不足的子集中表现出可见差异。最强判断——“无靶稳定可复现、可外推且能预测重开”——没有一项前瞻数据。
按本章自己的双账本定位，观察者替换、次序置换和先验—损失变化都没有在同一前瞻队列中运行，故 $\Omega_N$ 的上界不为零。增补数据只能调换最终病理标签，不能观察系统是否把原命题重开，故 $B_T=?$。本章的 $\tau_b$ 不存在可报告均值。具体后果是：本章只能把靶定闭合与无靶稳定作为待检验的诊断学假说，不能把它们写成已经发现的乳腺癌规律。
这次改写本身还留下一个可查痕迹。初稿把“对三类变化稳定”当作事实资格；第二轮检索发现蜕变测试、随机化核查与选择性不变已经占据方法形式，常数输出又直接推翻“越稳越真”。因此初稿没有通过本章的破裂边界，新版删掉“选择性不变”命名，增加无靶稳定和 $B_T$。若后续检索发现“无靶稳定”也被无损占用，正确后果是再次改名或删除，不是加形容词。
此外有七项不能靠修辞消除的限制。第一，CBIS-DDSM 是历史性精选数据，不能代表当前连续筛查人群。第二，增补核查只有十八个病灶，且置换分布退化为单一点。第三，眼动研究中的“注视簇”不是统一知觉单位，39.6% 不能上升为患者层漏诊率。第四，统计物理学只提供路径约束，本章未证明任何特定相变定律。第五，先验—损失范围含制度与价值判断。第六，病理是诊断基石但仍有取样、切片与解释不确定。第七，双轨状态即使预测重开，也不等于改善死亡率、生活质量或过度诊断。
这些限制决定文章的证据等级：它完成了概念分解、占位处理、两次公开数据核查和可执行研究设计，却没有完成前瞻测量学验证。把“可测”写成“已测”，或把“有置换差异”写成“已验证靶定闭合”，都会使文章落入自己描述的无靶稳定：文字很确定，证据却没有绑定到最强命题。
第一章《癌不只是一团细胞》判断乳腺癌作为何种对象被不同层次证据改写，主读数是跨层关系何处发生可追踪改判。第二章 不扩大癌对象，也不把患者经验加入诊断真值；它固定一个靶点命题，检验该命题在什么变化下保持、在什么变化下必须重开。改变肿瘤—组织—主体反馈而对象绑定不变，主要改变 第一章；切断证据与病灶身份而原命题仍稳定，主要改变 第二章。
计划中的 第三章 讨论生命阶段怎样改变“同一乳腺”作为对象的规则。若妊娠、哺乳、绝经等阶段改变器官功能与规范参照，而证据—病灶绑定规则不变，主要改变 第三章；若阶段不变而破靶核查使原命题重开，主要改变 第二章。第一章 判对象的跨层可改写性，第二章 判事实的保持与破裂边界，第三章 判对象规则随生命阶段的变换，三者不能相互代写。
本章也不越界回答 How 与 Why。$\tau_b$ 晚不等于肿瘤生长慢，早也不等于致癌过程更强；遗传、生育、环境暴露与免疫过程为何增加风险，不由靶定闭合解释。把发现时间当发生时间，是本章必须阻止的因果错误。
何谓一项乳腺癌诊断事实？它首先是关于一个确定靶点、以确定粒度提出的命题。影像让异常进入注意，过程历史改变证据怎样收束，数学把行动与真值分开，病理给出不可替代的组织学判断；但这些材料只有绑定在同一对象上才共同回答一个问题。
靶定闭合给事实设置两条方向相反的边界。更换合格观察者、改变可容许的证据次序、重算先验—损失后，原分类保持；删除或调换证据—病灶关系后，原命题重开。前者失败，事实尚未收束；后者失败，产生的不是更强事实，而是无靶稳定。只有 $\Omega_N=[0,0]$ 与 $B_T=1$ 在确认窗内并存，才记下 $\tau_b$。
这个定义不高于病理，也不要求更多临床检查。它只阻止五种偷换：把注视当发现，把行动当真值，把一致当对应，把最终标签当完整历史，把对一切都不变当作客观。公开数据已推翻影像标量等于病理事实，却没有测得 $B_T$ 或 $\tau_b$。第二章 因而只能给出一条可被未来数据撤销的答案：乳腺癌诊断事实不只是经得起改排的结论，还是一条在失去这个病灶时立即停止自称事实的关系。
1. 本章中的“靶定闭合”只指诊断记录资格，不指肿瘤从无到有的生物学发生，也不等于哲学意义上的终极真理。
2. “阅片者”在影像段指放射科观察者，在病理段指病理观察者；两类角色不互投同一张票，而是分别接受同角色替换检验。
3. $\Omega_N(t)$ 与 $B_T(t)$ 是研究登记结构，不是个体患者量表。缺少字段只产生“未测”，不产生追加检查指征。
4. CBIS-DDSM 原审计与增补核查日期均为 2026 年 8 月 10 日；增补规则在检查合格层数量前冻结，但原总体结果此前已查看，故明确标为增补而非全盲首次预注册。
5. 文中对 BI-RADS 的说明依据 ACR 当前公开材料；公开历史数据的 assessment 编码没有被强行映射为现行各类别的完整语义。
6. 本章涉及诊断流程与公开研究数据，不构成医疗建议。任何个体影像、病理与治疗问题须由具备资质的临床团队结合完整资料判断。