全球首個！中國科學家立大功，AI揪出“肝臟殺手”

由我國科學家開發的全新AI模型，全球首次系統驗證了僅通過平掃CT和血檢，即可實現對脂肪性肝病的機會性篩查、分期及患者健康結局的準確預測。

撰文 | 凌駿

在中國醫科大學附屬盛京醫院放射科石喻教授的實驗室里，最近多了一批被“意外發現”的肝病患者。

石喻長期從事脂肪性肝病的診斷和篩查，她觀察到一個令人不安的現象：那些本能在早期控制住病情的患者，直到發展成晚期肝纖維化，才意識到問題的嚴重性。

讓她印象最深刻的，是醫院胸外科的一位同事，他每年體檢都被告知“肝功能不太正常”，但因為沒有明顯不適，從未過多在意。直到去年，通過和阿里巴巴達摩院聯合開發的AI模型，石喻在這位同事既往的體檢CT影像中，發現了嚴重的肝纖維化信號，進一步檢查后發現，他已經出現了肝硬化。

“連醫生自己都會忽略，更不用說普通老百姓了。”石喻告訴“醫學界”。

近日，這項聯合研究成果正式發表于國際頂級期刊《自然·通訊》，團隊開發的名為MAOSS的多模態AI模型，全球首次系統驗證了僅通過平掃CT和血檢，即可實現對脂肪性肝病的機會性篩查、分期及患者健康結局的準確預測。

難以“確診”的肝病

在中國，平均每3個成年人里，就有一個患有脂肪性肝病（SLD），總患者數超過3億。但在不少人的認知里，脂肪肝無非就是“胖了點”，沒有不適就無需在意。

“這種心態是可以理解的。”石喻告訴“醫學界”，“因為總體而言，單純性脂肪肝的進展十分緩慢，可一旦合并了炎癥和肝纖維化，情況就完全不同。”

相關統計數據顯示，約20%—40%合并肝炎的SLD患者，會發展為顯著肝纖維化（≥F2）。麻煩的是，這個過程悄無聲息，一旦患者錯過了最佳治療窗口F2期，進展至晚期肝纖維化（≥F3），5-10年內肝硬化發生率可達10%–20%，并顯著增加肝癌與肝衰的風險。

石喻介紹，目前，針對脂肪肝患者，臨床醫生主要通過FIB-4評分來評估肝纖維化的風險程度，并進而制定干預對策。“可問題在于，在FIB-4評分模型中，約有30%至50%的患者會處于難以分層的‘灰區’，導致醫生無法準確判斷病情，時常只能給出模棱兩可的回答。”

而若要進一步明確診斷，則需要開展肝纖維化磁共振彈性成像檢查。

石喻研究肝纖維化已將近20年，為上萬名患者開展過肝纖維化磁共振彈性成像，但她表示，由于相關設備需要特殊硬件，價格昂貴，僅在少數大型醫院有所配備，難以作為常規手段在臨床中普及。

“我有不少患者，是從外院、甚至外地專程過來檢查的，時間成本、路費、檢查費都是一筆不小的開銷。”石喻說，“而放眼全國，更多患者則是因此放棄了檢查，錯過了能有效治療的窗口期。”

“因此，多年來我最大的心愿之一，就是希望能有一種更便捷、可及的方法，能在不額外增加醫療負擔的情況，僅利用常規的‘檢查項目’，就能實現對更廣大肝病患者的纖維化風險初篩。”石喻說。

針對這一臨床痛點，MAOSS模型應運而生。

MAOSS，全名為“多模態AI機會性脂肪肝篩查模型”，雖然名字有些拗口，但它做的事非常直接：只需要輸入患者的胸部或腹部平掃CT，模型就能提取關鍵的影像特征，結合常規血檢指標，同步輸出兩個關鍵結果——脂肪肝嚴重程度（S0～S3）和肝纖維化風險（F0～F4）。

阿里巴巴達摩院算法專家高遠同樣向“醫學界”表示：“在我國，脂肪肝的發病率非常高，這意味著急需有一個更可及、普適且低成本的臨床手段，對患者所面臨的疾病風險進行篩查和分層。”

“而在臨床中，無論是門、急診還是病房，甚至常規的體檢，都有大量患者本就需要平掃CT檢查。試想，如果我們能將這些影像資料‘二次利用’，就能在不增加任何負擔的情況下，實現對脂肪肝進展風險的大規模篩查。”高遠說。

“一鍵”實現肝病風險分層

帶著相同的愿景，2022年，石喻和阿里巴巴達摩院研究團隊一拍即合，正式啟動了MAOSS模型的開發。

“在臨床診療中，醫生之所以難以通過平掃CT識別肝纖維化的程度，是因為早期肝纖維化幾乎沒有形態學的改變。”高遠告訴“醫學界”，“為此在MAOSS的開發中，我們在圖像編碼模塊中加入了紋理編碼機制，讓模型學會捕捉肝臟血管的特征、分布等肉眼無法識別的細微病變。”

而在模型訓練上，團隊引入了968例肝臟活檢金標準患者數據，以及1103例“普通患者”的影像報告數據，前者用來保證模型知道“病理真相”，后者則讓模型理解了“臨床語言”，以實現對全人群的覆蓋。

阿里巴巴達摩院算法專家閆軻介紹，經過大規模的內外部驗證，對于輕度以上的脂肪肝，MAOSS的正確區分概率（AUC）在研究中心醫院達到了0.917，在“外部醫院”測試中也達到了0.904，大幅高于放射科醫生AUC（0.709）。因而，MAOSS有望輔助醫生更精確地篩查脂肪肝，尤其是容易被肉眼遺漏的輕度脂肪肝。部署MAOSS模型輔助判斷后，醫生AUC顯著提升至0.798。

而針對臨床顯著纖維化（≥F2），MAOSS的AUC則分別為0.888和0.824，晚期纖維化（≥F3）更是達到0.912和0.905，顯著優于對照組模型的表現。

“這樣的數據令人振奮。”石喻告訴“醫學界”。研究顯示，MAOSS不僅能識別脂肪肝，還能有效區分炎癥活動（NAS ≥ 4）和臨床顯著纖維化（≥F2）的高風險患者，并首次將AI風險分層與硬性臨床終點直接關聯。

據石喻介紹，在傳統臨床路徑中，中高風險肝纖維化患者的檢出率僅為16.6%，“而利用MAOSS模型，我們將檢出率提升至52.4%，在保持92.6%的高陰性預測值的前提下，額外識別出了36%的潛在肝病進展風險患者。”

縱向結局數據表明，在236例患者中位數為2.1年的疾病進展中，被MAOSS判定為中高風險的患者，實際發生肝硬化的比例為45.5%，而低風險組僅為11.8%。

石喻表示，作為一種全自動的慢性肝病風險AI分層工具，研究表明，MAOSS能與現有的臨床指南有效整合，形成一條優化的肝病機會性篩查路徑。它不僅能提供影像學判斷，更具備預測疾病進展的能力，為早期干預提供具有臨床意義的預警信號。

“在臨床應用中，MAOSS既不會增加患者的醫療成本，也不會打擾現有的臨床診療流程，在患者做CT時，AI在后臺就能默默完成分析。”

“這讓影像數據完成了一次角色轉變——從‘告訴醫生是多少’到‘告訴醫生該怎么做’，它更精準地篩出了需要干預的肝病患者，最終改變了患者的健康結局。”石喻說。

一個新里程碑

事實上，在“平掃CT+AI”這條技術路徑上，近年來達摩院團隊已經多次產出了重磅創新成果。

2023年，達摩院發布了基于“平掃CT+AI”的胰腺癌篩查AI模型DAMO PANDA，登上《自然·醫學》，并獲得了FDA“突破性醫療器械認定”。《自然·醫學》同期的評論文章指出：一個醫療影像AI的黃金時代已準備就緒。

到了2025年6月和8月，團隊又接連發布了全球首個胃癌影像篩查AI模型DAMO GRAPE、急性主動脈綜合征（AAS）診斷AI模型iAorta。前者瞄準了胃鏡在中國普及率不高的短板，首次利用平掃CT影像識別出早期胃癌病灶，后者則將AAS的漏診率從48.8%降至4.8%。

而MAOSS的出現，則是達摩院團隊在慢病領域“AI+影像”應用的一個新里程碑。

目前，隨著生活方式等的轉變，脂肪肝已經取代病毒性肝炎，成為我國第一大慢性肝病，且有明顯的年輕化趨勢。作為代謝性疾病防控的重點對象，脂肪性肝病被納入《健康中國戰略之慢病綜合管理藍皮書》，強調要實施早篩查、早診斷和早防治的三級預防策略。

MAOSS恰逢其時地回應了這一公共衛生需求。它通過平掃CT這一全國各級醫院均已普及的設備，即可實現肝纖維化的精準篩查，未來有望顯著降低全社會的肝病疾病負擔。

石喻認為，如果MAOSS模型能夠在更多醫院、地區實現臨床普及，無論是患者、醫生還是醫院，三方都將從中獲益。

對于患者而言，最直接的獲益，是醫療成本的節省和疾病的早期發現。

“患者來到醫院或體檢中心，只需完成常規的檢查流程，就能得到一個明確的答案：是否存在高風險肝病的可能。”石喻解釋道，如果篩查結果無異常，患者無需再做過多檢查；而若提示F2期纖維化風險，則意味著抓住了最佳的干預窗口。

而對于肝病專科醫生，MAOSS則解決了長期困擾他們的“灰區難題”。“通過MAOSS模型的分析，醫生可以更有信心地告訴脂肪肝患者——需要去做磁共振彈性成像，甚至肝穿刺活檢進一步篩查；抑或無需擔憂，回家調整生活方式，定期隨訪即可。”

而站在醫院和公共衛生的視角，MAOSS的意義更為深遠。

麗水中心醫院放射科醫生利用AI比照查看病人CT

“基層醫院沒有肝臟彈性檢測設備，甚至很多醫生對FIB-4評分也不熟悉，但CT一定是標配。”石喻表示。如果MAOSS能在基層醫院普及，相當于是給基層配備了一位“肝病診斷專家”，大量患者將從中獲益。

“而長期來看，隨著技術的普及，公眾對慢性肝病的認知也將得到顯著的提升。”

“這將引導更多人群主動進行慢性肝病的早篩與規范防治，有助于將肝病防治的關口前移至預防階段，而不是再等到肝硬化，甚至早期肝癌階段才開始治療，真正實現了從‘治病’到‘防病’的轉變。”石喻說。

*“醫學界”力求所發表內容專業、可靠，但不對內容的準確性做出承諾；請相關各方在采用或以此作為決策依據時另行核查。