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

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）