Vara 拿下全球首張乳癌篩查自主 AI 的 CE 認證：正常片子，機器可以直接出報告了

過去十年，所有認真投入乳癌篩查 AI 的團隊都知道遲早會走到這一步。族群篩檢計畫對每一張乳腺 X 光攝影（乳房攝影）都執行雙重閱片，但其中約 97% 的檢查結果是正常的。在全球放射科醫師持續短缺的壓力下，對每張片子都讀兩遍，等於是為過勞、積案與計畫崩潰預留了伏筆。遲早有一天，AI 必須自己扛下「明確正常」那部分片子的報告——唯一的懸念是：它能否做得夠安全，安全到能說服監管機關。

如今這個問題有了答案。2026 年 9 月 2 日，總部位於柏林的 Vara（MX Healthcare GmbH）宣布，其乳癌族群篩查自主分流（autonomous triage）系統獲得歐盟醫療器材法規（EU MDR）下的 CE 認證，風險等級為 Class IIb——這是全球第一張此類許可。對於系統判定位「明確正常」的檢查，AI 可以直接出具報告，全程無需任何放射科醫師閱片；其餘所有片子——模糊、可疑或技術上困難的案例——仍照舊交由人類醫師判讀。

「自主」在這裡究竟是什麼意思

「自主」一詞在放射 AI 領域被用得很浮濫，因此有必要精確定義這次的變革。大多數放射 AI 工具起源於 CADe（電腦輔助偵測）：只標記區域讓放射科醫師去看，不判斷可疑程度。深度學習世代將產業推進到 CADx（電腦輔助診斷），除了標記病灶，還會給出惡性可疑度分級。目前幾乎所有近代乳房 AI——包括 Vara 自家的主力產品——都屬於這一層：以「第二讀者」的身分伴隨放射科醫師運作，而非取代。

自主 AI 在類別上截然不同：它是在替代放射科醫師出具報告。診斷影像領域並非沒有先例——2018 年獲美國 FDA 授權的糖尿病視網膜病變系統 IDx-DR 是第一個自主 AI——但乳房攝影始終沒有跨過這條線，儘管它是醫療 AI 商業化最成熟的地帶之一。Vara 這張認證正式開啟了這個類別。該公司把這套安排比作飛機的自動駕駛：系統負責漫長、平穩的「正常片」區段，而安全層會在必要時通知放射科醫師收回控制權。

證據基礎：PRAIM 研究

歐洲監管機關當然不是只看基準測試就放行。這張認證建立在 2025 年 1 月發表於《Nature Medicine》的前瞻性研究 PRAIM（NCT04778670）之上——這是迄今醫療領域規模最大的前瞻性 AI 研究。PRAIM 追蹤了德國 12 個篩檢站點、共 461,818 名 50 至 69 歲的無症狀女性，比較「AI 輔助篩查」與「標準雙重閱片」兩組。

核心結果：與 AI 協作的放射科醫師達到每千例 6.7 例的乳癌偵測率，對照組為每千例 5.7 例——相對提升 17.6%（95% 信賴區間 +5.7% 至 +30.6%）——而且偽陽性召回率沒有上升。在 AI 輔助組，偵測率不劣於、部分分析甚至統計上優於未輔助的雙重閱片。「找到更多癌症、沒有增加誤報、每例篩檢的工作量大幅下降」——正是這個組合，讓「自主」從口號變成了可以認真討論的監管議題。

Vara 的實際營運足跡讓真實世界證據更加扎實：德國超過 60% 的乳癌族群篩檢計畫已運行在 Vara 平台上，每月處理超過 25 萬例篩檢。自 2019 年第一批德國臨床案例以來，該公司追蹤了每一個上線案例。

ATMON：讓認證成為可能的安全系統

Vara 直言，自主分流認證的最大障礙從來不是模型的原始效能。真正要解的，是另外兩道難題。

第一是模型漂移（model shift）：再優秀的模型，一旦離開研究的受控環境——換了新的乳房攝影硬體、來了工作流程不同的新站點、篩檢族群隨年齡擴檔而改變——效能都可能滑落。重要的是系統在真實世界裡「持續」的表現，而不是它當年在某個固定資料集上得過幾分。

第二是歐盟 AI 法案（EU AI Act）：高風險應用必須有人類留在監督迴路上，而且這種監督必須「內建」於系統之中，不能事後補掛。

Vara 對這兩題的答案叫 ATMON（Autonomous-Triage Monitoring，自主分流監控）——一套即時監督層，該公司在說明中稱其在認證過程中扮演了基石角色。ATMON 會設定並監控每個站點的工作點（operating point）、追蹤乳房攝影硬體的變動、監看系統健康度與每日效能訊號，並持續追蹤癌症偵測率與召回率。只要任何訊號超出預設界限，ATMON 就會自動把該站點整體回退為全人工閱片。它建立在 Vara 的 AI 於生產環境中連續七年、逐一案例的監控數據之上——這正是公證機構（notified body）能夠稽核的那種縱貫性證據。值得留意的是，Vara 也將獨立授權 ATMON：其他部署不同自主篩查 AI 的醫療提供者，未來可以整合同一套安全鷹架。

為什麼這件事的意義遠超過乳房攝影

立即的影響其實比標題來得窄，Vara 自己也毫不諱言：篩檢計畫不會明天就啟用自主分流。歐洲各地的推動仍取決於各國篩檢指引與臨床準備度；這張認證更大的意義在於，它建立了一個原本不存在的監管框架。在此之前，乳房影像領域沒有任何 AI 系統位於「自主」類別，篩檢指引根本無從採納；現在有了——這也改變了未來對自主系統進行真實世界前瞻研究的可能樣貌。

這個先例還會外溢。ATMON 的藍圖——站點級連續監控、偵測到異常即自動回退人類控制、硬體漂移追蹤——是對歐盟 AI 法案「高風險醫療 AI 需人類監督」要求的一個可通用解法，甚至可視為任何安全關鍵領域部署自主 AI 的範本。在一個仍在爭論「human in the loop」究竟是真保障還是遮羞布的產業裡，一個獲得認證、且能在自身效能漂移時可證明地交還控制權的系統，是極具體的參考座標。

宏觀背景同樣重要。GlobalData 的分析師預期，在這類監管核准的持續推動下，AI 數位健康方案將支撐歐洲腫瘤數位轉型板塊到 2035 年約 6% 的年複合成長率。當放射科醫師短缺在全歐洲持續惡化、篩檢年齡又不斷擴大，問題已經從「AI 會不會分擔篩檢工作量」變成「哪些系統能證明自己配得上」。

十年前，乳房攝影的自主閱片還是一個承諾。從本週起，它是一張取得認證的醫療器材——附帶自動駕駛、飛行記錄器，以及一條「機長何時必須接手」的鐵則。