一场静默的流行病

在健康肝脏中，脂肪占比微乎其微；而如今许多成年人甚至儿童，肝脏脂肪占比超过 5%，甚至达到 10%。异常的脂肪会引发炎症、细胞损伤和名为纤维化的瘢痕组织，这正是脂肪肝疾病的标志。该病目前影响全球约三成成年人。

如果放任不管，脂肪持续堆积最终可能导致肝衰竭，并与心血管疾病及多种癌症的风险上升相关。问题在于，它早期通常没有可察觉的症状，很少能在可治疗的阶段被发现。即便到了肝硬化或严重瘢痕阶段，仍有四分之三的人是在生命受到威胁时才被确诊。

现有工具好用却很少用

评估晚期肝纤维化的简单方法之一，是名为 Fib-4 的指数：依据年龄、两种肝酶水平和凝血能力，给出 0 到 6 之间的风险评分，只需一次常规肝功能血检即可计算。更精准的二线血检「增强肝纤维化检测」则测量与瘢痕形成相关的两种蛋白及一种酶。两者结合使用，能把晚期纤维化的诊断准确率提高四倍。

然而，面对日益增长的工作量与行政负担，医生普遍认为单纯在流程里再加检测并不可持续。「得有一个能在后台自动跑、或者点一下就能完成的东西。」耶鲁大学医学教授乔纳森·德拉诺夫说。这正是人工智能的切入点：把常规血检数据接进来，自动算出 Fib-4 评分，帮基层医生决定该把谁转诊给肝病专家。

胸片里也能认出脂肪肝

人工智能还能从影像入手。去年，日本大阪都立大学的研究者发表了一项研究，用人工智能模型分析常规胸部 X 光片——这类片子本是为查看心肺而拍，但也会带出部分肝脏。结果显示，该模型识别脂肪肝的准确率达到 82%。

纽约市立大学公共卫生学院的杰弗里·拉扎鲁斯教授设想，把这类算法嵌入所有会拍到肝脏的常规放射检查中。「人工智能可以捕捉到肝脏脂肪超标的情况，再核查超重、高胆固醇或 2 型糖尿病等风险因素，然后给医生提示。」他说，「它可以告诉医生：这可能不是您要看的病，但我们发现了这个，您应该转介肝病或内分泌科做进一步检查。」

比传统评分更准的新模型

在常规血检上训练人工智能，也开始产出更优的诊断。丹麦健康科技初创公司 Evido 开发的算法 LiverPRO，依据年龄和九项常规血检生物标志物评估肝纤维化风险，正与制药企业罗氏合作商业化；在超过 47 万名中年人的研究中，它预测严重肝脏问题的能力优于 Fib-4。

今年早些时候，一个国际肝病专家团体发表了名为 ALADDIN 的机器学习模型评估结果：该模型同样基于常规血检，在筛选最适合接受药物 resmetirom 治疗的患者上，表现优于 Fib-4 等风险评分，从而帮医生省去有创肝活检。

「这些工具不会完全取代活检或影像，」英国邓迪大学消化与肝病专科医生保罗·布伦南说，「但它们能修复基层医疗的瓶颈——大多数纤维化正是在那里被漏诊的。我预计它们会作为更聪明的一遍初筛被采用，抓住那些被粗略工具错过的中度风险患者，并减少不必要的专科转诊。」

脂肪肝在早期高度可逆：调整饮食、运动、限酒甚至多喝咖啡，都能消退炎症与瘢痕。人工智能的价值，正是在海量既有数据里把高危的人提前找出来。

来源：WIRED（作者 Emily Mullin）