阿里达摩院AI模型MAOSS精准筛查脂肪肝 高风险人群检出率提升两倍

脂肪肝筛查，即将迎来一次关键的技术升级。一项由阿里巴巴达摩院联合中国医科大学附属盛京医院、南京大学附属鼓楼医院等机构共同研发的AI模型——MAOSS，正试图改变&现状。它通过分析平扫CT影像和血清指标这些常规检查数据，不仅能精准判断肝脂肪的严重程度，更能评估肝纤维化的进展。最引人注目的数据是，它将高风险患者的检出率，从传统临床路径下的16.6%，大幅提升至52.4%。这项研究成果已于今年2月发表在顶级学术期刊《自然-通讯》上。

脂肪肝的患病率已超过30%，但因其早期“不痛不痒”，很多人并未给予足够重视。问题在于，其中一部分患者的病情并非静止不变，会从单纯性脂肪肝逐步发展为肝纤维化、肝硬化，甚至成为肝癌的重要诱因。然而，精准识别这部分高风险患者却一直是个临床难题：像瞬时弹性成像这样的专用检查，成本高且普及度有限；而传统的B超、血清学检查，灵敏度又往往不足，导致大量潜在的高风险患者被遗漏。

从“看不清”到“看得透”：AI如何赋能平扫CT

传统上，平扫CT对于早期脂肪肝和肝纤维化的识别能力相当有限。达摩院的算法团队正是瞄准了这一痛点。他们利用在“平扫CT+AI”领域多年的技术积累，让AI模型自动从CT影像中提取肝脏的纹理、密度、形态等高维特征。再结合大规模经过活体穿刺（金标准）验证的数据进行训练，并融合血清学指标等多模态信息，最终实现了重大突破——仅凭一次平扫CT，就能同步评估肝脂肪变程度和肝纤维化分期。

具体来看，MAOSS模型的能力体现在两个核心层面：

首先，是脂肪肝的精准筛查与分级。经过外部多中心验证，该模型对肝脂肪分期（无、轻度、中度、重度）的评估能力（AUC值）达到了0.904至0.917，显著高于放射科医生0.709的平均水平。而当医生在模型的辅助下进行判断时，其AUC值也能显著提升至0.798。尤其对于最容易漏诊的轻度脂肪肝，准确率的提升更为明显。

更进一步，MAOSS模型的核心价值在于能“揪出”那些肝纤维化已达到2期的高风险患者。这个阶段被认为是防止病情向肝硬化发展的关键干预窗口。在一项针对1192名脂肪肝患者的回顾性验证中，AI模型识别出了52.4%的高风险患者，而传统临床方法仅能识别出16.6%，检出效率提升了2倍以上。同时，基于该模型的筛查路径，其阴性预测值高达92.6%，这意味着它能以极高的可靠性排除低风险人群，保证极低的漏诊率。

模型的预测能力还得到了长期数据的支持。回顾性随访分析显示，被MAOSS判定为高风险的患者，在2年内发生肝硬化的比例达到45.5%，远高于低风险组11.8%的比例。这有力地证明了模型风险分层的临床预见性。

推动慢性肝病管理“关口前移”

中国医科大学附属盛京医院影像科副主任石喻指出，大众认知不足和专用检查费用高昂，一直是脂肪肝风险分层面临的长期挑战。MAOSS模型的价值在于，它能充分利用体检、门诊、急诊等场景中已经产生的大量平扫CT影像，在不增加患者额外经济和检查负担的前提下，显著减少高风险脂肪肝的漏诊，为早期临床干预提供明确的预警信号。

这实质上实现了慢性肝病管理的“关口前移”。未来，患者或许在基层医院或常规体检机构，就能通过AI分析获得潜在的高风险提醒，从而真正走向“早发现、早干预、早逆转”的理想防治路径。技术的落地，正让这个目标变得触手可及。