用途：评估已训练的医学影像模型（自研、厂商或开放权重；分割/分类/检测），按证据构建顺序分四部分执行。Part A 设计与审计验证研究；Part B 计算任务正确的留出指标；Part C 为部署主张补充不确定性、OOD 与弃权层；Part D 让可解释性分析经得起审阅。可按请求只跑需要的部分（如 Grad-CAM 问题从 Part D 开始），但在 Part A 划分门禁通过前不报告任何指标结论。每个部分以标准库门禁结束，结论须由文件复现，未运行不得报告通过。
用法与能力：数字只来自在提供的预测、划分表或研究者已执行的 UQ/XAI 代码上运行的代码；若缺预测或真值，须说明并停止。按引用集成 MONAI/nnU-Net、MAPIE、captum、pytorch-grad-cam 与预训练 OOD 评分器，不重实现、不构建或训练模型、不在真实患者数据上运行模型。
主要流程：A 部分含任务与预期用途、泄漏审计（运行 check_split_leakage.py，患者重叠不可批准）、验证层级、比较器、测试集规模、前瞻评估与部署监测、报告指南适配。B 部分计算分割（Dice/IoU 与边界指标，患者级 bootstrap CI）、分类（AUROC/AUPRC、校准）、检测（FROC/mAP、JAFROC）、交互式分割（Dice 对交互次数）、生成（全参考/无参考加下游任务）等指标，并以 metrics_manifest.json 与 check_metric_reporting.py 校验。C 部分选择不确定性方法（共形、深度集成、MC-dropout、Laplace）、OOD 守卫与选择性预测，写 uncertainty_manifest.json 并校验。D 部分产出并检查 Grad-CAM 等图，跑随机化测试、计算定位指标，写 explainability_report.json 并校验。
适用场景与限制：适用于医学影像模型的验证与评估，并与其他技能衔接（统计分析、样本量、报告核查等）。资料未提供具体收费、价格或平台信息。