2026年9月2日，德国柏林医疗人工智能企业Vara宣布，其用于乳腺癌人群筛查的自主AI分流系统获得欧盟医疗器械法规下Class IIb级CE认证。此次认证受到国际医疗科技领域关注，一个重要原因在于，它不再只是让人工智能充当放射科医生的“辅助工具”，而是在限定条件下，允许AI对部分被判断为明确正常的乳腺X线筛查结果直接完成报告，不再要求放射科医生逐一复核。其他不能被系统明确归入正常范围的检查，仍然必须交由至少一名放射科医生进行判断。

这意味着医疗AI正在出现一个值得关注的转折。

过去几年，人工智能在医学影像中的主要定位通常是“第二阅片者”。例如，算法能够帮助寻找乳腺肿块、微小钙化或其他可疑区域，也可以将风险较高的影像优先推送给医生，但最终判断责任基本仍由医生承担。这次Vara获得的认证，则首次将一部分明确正常的筛查病例交给AI完成自主分流。

乳腺癌筛查之所以成为这一模式的重要试验场，与现实医疗资源压力有关。在欧洲一些有组织的人群乳腺筛查项目中，一张乳腺X线片往往需要由两名专业人员进行阅读，但大量筛查结果最终属于正常。Vara介绍，目前约97%的筛查乳腺X线检查没有发现异常，因此如果能够安全地提前分流一部分正常病例，就有可能减少重复阅片造成的工作负担。

但真正值得关注的并不只是AI模型本身，而是此次认证背后的安全监控机制。

Vara开发了一套名为ATMON的自主分流监测系统。系统会根据不同医院、不同乳腺摄影设备以及实际运行环境设定监测参数，同时持续观察硬件变化、算法运行状态和每日性能信号。如果某些指标偏离预设安全范围，系统可以停止自主模式，让相关机构重新回到全部病例由人工读取的流程。

这种设计实际上回应了医疗AI一个长期存在的问题：算法在实验室数据集上表现良好，并不代表部署到所有医院后都能保持完全相同的准确度。不同地区的人群结构、不同型号的医学影像设备，甚至软件升级，都可能改变算法面对的数据环境。因此，未来高风险医疗AI的竞争重点可能不再只是“模型准确率达到多少”，还包括算法上线以后能不能持续监测、发现性能漂移并及时退出自主决策状态。

此次认证还建立在此前大规模真实世界研究基础上。相关PRAIM研究纳入超过46万名女性。研究结果显示，在AI支持的筛查组中，每1000名受检女性发现乳腺癌约6.7例，而常规筛查组约为5.7例；与此同时，两组召回进一步检查的比例没有出现明显恶化。

不过，获得CE认证并不意味着AI可以完全代替乳腺影像医生，也不代表所有欧洲国家会立即采用自主筛查模式。实际部署仍要受到各国筛查指南、医疗制度、医院流程及临床准备程度限制。对于出现症状的人群、复杂影像或者系统无法明确排除异常的检查，专业医生依然承担核心判断角色。

从全球数字医疗发展来看，这一事件的重要性在于监管边界发生了变化。此前讨论较多的是“医生如何利用AI提高效率”，未来讨论可能进一步变成“哪些低风险、标准化医疗任务可以在安全监控下交给AI独立完成”。

如果这一模式能够经过长期真实世界验证，乳腺筛查也可能成为自主医疗AI进入临床流程的重要示范场景。下一阶段真正需要观察的，不只是AI能够阅读多少张影像，而是它在长期运行中能否保持稳定、安全、可追踪，以及出现异常时能否及时重新交还给医生。

这或许才是医疗人工智能从“会诊工具”迈向医疗基础设施过程中最关键的一道门槛。