阿里達摩院與盛京醫院推出AI模型篩查脂肪肝，登上《自然》子刊

新浪科技訊 3月9日上午消息，近日，阿里巴巴達摩院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機構研發出脂肪肝篩查AI模型MAOSS，通過平掃CT影像、血清指標等常見檢查，不僅可精準篩查肝脂肪分期，更能評估肝纖維化進展，將高風險患者檢出率從16.6%大幅提升至52.4%。相關論文發表在《自然-通訊》（Nature Communications）上。

達摩院算法專家高遠介紹，傳統上，平掃CT對早期脂肪肝和肝纖維化識別能力很弱。達摩院發揮在“平掃CT+AI”領域多年積累的技術優勢，用AI自動提取肝臟紋理、密度、形態變化等高維特徵，通過大規模活體穿刺金標準數據訓練，結合血清學、影像報告等多模態數據，首次實現平掃CT同步判斷肝脂肪變程度和肝纖維化分期。

首先，MAOSS可實現脂肪肝精準篩查和分級，經外部多中心驗證，MAOSS模型對肝脂肪分期（無、輕度、中度、重度）的AUC達0.904-0.917，大幅高於放射科醫生AUC（0.709）。部署MAOSS模型輔助判斷後，醫生AUC顯著提升至0.798，針對容易遺漏的輕度脂肪肝，準確率提升更為顯著。

進一步地，MAOSS模型可“揪出”纖維化達到2期的高風險患者，這是防止脂肪肝發展為肝硬化的關鍵干預窗口期。針對1192例脂肪肝患者的回顧性驗證顯示，AI模型能識別出52.4%的高風險患者，而傳統臨床路徑僅能識別出16.6%，檢出率提升2倍以上。總體而言，基於MAOSS模型的篩查路徑陰性預測值（NPV）保持在92.6%的高水平，保證低漏診率。

MAOSS模型還能有效預測肝硬化進展。回顧性隨訪分析顯示，MAOSS判定為高風險的患者，2年內發生肝硬化的比例達到45.5%，顯著高於低風險組的11.8%。

中國醫科大學附屬盛京醫院影像科副主任石喻表示，受限於大眾認知不足、專用檢查費用高，脂肪肝風險分層是長期以來的難題。MAOSS模型能利用體檢、門診、急診等場景產生的大量平掃CT影像，在不額外增加患者成本的同時，減少高風險脂肪肝漏診，為早期干預提供預警信號，實現慢性肝病管理“關口前移”。“未來，患者可能在基層醫院或體檢機構就獲得來自AI的高風險脂肪肝提醒，真正實現早發現、早干預、早逆轉。”