近日，由阿里巴巴達摩院牽頭，聯合中國醫科大學附屬盛京醫院、南京大學附屬鼓樓醫院等多家醫療機構共同研發的脂肪肝篩查人工智能模型MAOSS，在國際權威學術期刊《自然-通訊》上發表了最新研究成果。這一創新技術為慢性肝病的早期診斷開辟了新路徑，尤其在降低肝硬化漏診率方面展現出顯著優勢。
脂肪肝作為全球最常見的慢性肝病，其患病率在普通人群中超過30%。由于早期癥狀隱匿，患者往往在出現明顯不適時已進展至肝纖維化甚至肝硬化階段。傳統診斷手段中，B超檢查靈敏度不足，而肝活檢等精準檢測方法因成本高、風險大難以普及，導致臨床對高風險人群的識別率長期偏低。
MAOSS模型的核心創新在于突破了傳統影像診斷的局限性。研究團隊通過"平掃CT+AI"技術，訓練人工智能系統自動解析肝臟組織的細微特征，包括紋理密度變化等高維數據。這一技術首次實現了僅憑常規平掃CT即可同步評估肝脂肪變性程度和纖維化分期，無需患者接受增強掃描或特殊準備。
多中心臨床驗證數據顯示，該模型在肝脂肪分期診斷中的曲線下面積（AUC）達到0.904-0.917，顯著優于放射科醫師的平均水平（0.709）。在纖維化2期這一預防肝硬化的關鍵節點，MAOSS能識別出52.4%的高風險患者，較傳統臨床路徑16.6%的檢出率提升兩倍以上。長期隨訪發現，被模型判定為高風險的患者兩年內肝硬化發生率達45.5%，而低風險組僅為3.2%。
這項技術的突破性價值在于其臨床應用的普適性。達摩院研發團隊指出，MAOSS可直接分析體檢中心和門診積累的存量平掃CT數據，無需額外檢查設備或增加患者負擔。基層醫療機構通過部署該AI系統，可使患者在常規體檢中同步完成肝病風險篩查，真正實現慢性肝病管理的"關口前移"。目前研究團隊正與多家醫療機構合作推進技術轉化，預計未來將惠及更多肝病高發地區人群。
