北京
3月9日消息，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。該模型通過平掃CT影像與血清指標等常見檢查數據，可同時判斷脂肪肝分期與肝纖維化進展，并將高風險患者檢出率從16.6% 提升至52.4%。相關論文已發表于《自然-通訊》（Nature Communications）。
脂肪肝患病率已超過30%，但多數患者因癥狀不明顯而未及時干預。一部分人群可能進一步發展為肝纖維化、肝硬化甚至肝癌。由于彈性成像等專用檢查成本較高且普及度有限，而B超、血清等常規檢查靈敏度不足，臨床上對高風險患者的識別率一直較低。
據達摩院算法專家高遠介紹，MAOSS通過AI自動提取肝臟紋理、密度和形態變化等高維特征，并結合血清學指標、影像報告等多模態數據進行訓練，實現了在普通平掃CT基礎上同步判斷肝脂肪變程度和肝纖維化分期。
多中心驗證結果顯示，MAOSS對肝脂肪分期（無、輕度、中度、重度）的AUC達到0.904–0.917，顯著高于放射科醫生的0.709。在AI輔助下，醫生診斷AUC提升至0.798，其中對輕度脂肪肝的識別準確率提升更為明顯。
針對1192例脂肪肝患者的回顧性驗證顯示，MAOSS能夠識別52.4% 的纖維化2期及以上高風險患者，而傳統臨床路徑僅能識別16.6%。同時，基于該模型的篩查路徑陰性預測值（NPV）達到92.6%，有效降低漏診風險。
隨訪研究還顯示，被MAOSS判定為高風險的人群中，45.5% 在兩年內發展為肝硬化，顯著高于低風險組的11.8%，顯示出模型對疾病進展的預測能力。
中國醫科大學附屬盛京醫院影像科副主任石喻表示，MAOSS可利用體檢、門診和急診中大量已有的平掃CT影像數據，在不增加額外檢查成本的情況下幫助篩查高風險脂肪肝患者，為慢性肝病的早期干預提供預警。
據介紹，達摩院近年來持續布局醫療AI，圍繞“平掃CT+AI”技術在胰腺癌、胃癌、主動脈夾層等疾病篩查上取得進展，并探索通過“一次掃描、多病篩查”的方式，提高重大疾病的早期發現率。（袁寧）
本文來源：網易智能
責任編輯：
李佳_NBJS32032
