全球有超过 10 亿人的肝脏正在悄悄堆积过量的脂肪。这种被称为代谢相关脂肪性肝病（MASLD，旧称脂肪肝）的慢性问题早期几乎没有任何症状，却可能沿着肝纤维化、肝硬化一路进展，最终演变为肝癌，同时也是心血管疾病的独立危险因素。WIRED 科技记者 David Cox 在近日的报道中指出，研究人员普遍认为，人工智能工具有望在病变仍可逆转的早期就把高风险人群”揪”出来，从而抢在癌变之前完成干预。

常规筛查的盲区

脂肪肝的患病率在全球范围内已超过 30%，在中国成年人中同样高发。麻烦在于，常规体检虽然能查出脂肪肝，却难以判断哪些患者会进一步恶化。弹性成像等专用检查设备昂贵、在基层普及率低；而 B 超、血清等传统手段灵敏度有限，临床上极易漏掉那部分真正危险的高风险患者。

这正是 AI 可以发力的地方。

MAOSS：用平扫 CT 实现”一次扫描、多重判断”

近期发表于国际顶级期刊《自然-通讯》（Nature Communications）的一项研究，给出了一个极具代表性的答案。阿里巴巴达摩院联合中国医科大学附属盛京医院、南京大学医学院附属鼓楼医院等机构，研发出名为 MAOSS 的脂肪肝筛查 AI 模型。

MAOSS 的思路并不复杂却很巧妙：它利用体检、门诊、急诊中大量已有的平扫 CT 影像，结合血清学指标与影像报告，由 AI 自动提取肝脏纹理、密度、形态变化等高维特征，并通过大规模活体穿刺金标准数据（968 例肝脏活检与 1103 例临床影像报告）进行多模态训练。最终，模型可在一次平扫 CT 的基础上，同时输出脂肪肝严重程度分期（S0—S3）与肝纤维化风险分期（F0—F4），实现”一键式”风险分层。

数据说话：检出率提升两倍以上

多中心验证的结果相当亮眼。在对脂肪肝分期的识别上，MAOSS 的 AUC（衡量判别能力的指标）达到 0.904 至 0.917，显著高于放射科医生的 0.709；在 AI 辅助下，医生的判断 AUC 也提升到 0.798，其中对最容易被遗漏的轻度脂肪肝，准确率提升尤为明显。

更关键的是对”高风险”的识别。在针对 1192 例脂肪肝患者的回顾性验证中，MAOSS 能识别出 52.4% 的纤维化达到 2 期及以上的高风险患者，而传统临床路径只能识别 16.6%——检出率提升两倍以上。与此同时，基于该模型的筛查路径阴性预测值（NPV）保持在 92.6% 的高水平，意味着漏诊率被压得很低。

随访分析则证明了这套分层”有用”：被 MAOSS 判定为高风险的人群，两年内发生肝硬化的比例达到 45.5%，远高于低风险组的 11.8%。换句话说，模型提前标出的那批人，正是真正需要尽快介入的群体。

意义：把专家”装进”每台 CT

MAOSS 最大的现实价值，在于它不增加患者的额外检查负担——现有的平扫 CT 数据即可自动完成分析，相当于在基层医院缺少弹性成像设备、医生经验不足的情况下，配上了一位”肝病诊断专家”。这让慢性肝病的早期干预成为可能，也契合”以治病为中心”向”以健康为中心”转变的方向。

达摩院近年来围绕”平扫 CT + AI”技术，已在胰腺癌、胃癌、主动脉综合征等疾病的筛查上连续取得进展，并探索”一次扫描、多病筛查”的路径。脂肪肝的案例表明，当 AI 遇上巨量日常影像数据，早期筛查的瓶颈或许比想象中更容易被打破。

来源：WIRED（作者 David Cox）／《自然-通讯》MAOSS 研究论文