阿里达摩院发布脂肪肝筛查 AI 模型 MAOSS，高风险人群检出率提升 2 倍

3 月 9 日消息，据阿里巴巴达摩院官方今日消息，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研发出脂肪肝筛查 AI 模型 MAOSS，通过平扫 CT 影像、血清指标等常见检查，不仅可精准筛查肝脂肪分期，更能评估肝纤维化进展，将高风险患者检出率从 16.6% 大幅提升至 52.4%。

注意到，相关论文于今年 2 月发表在《自然-通讯》（Nature Communications）上。

据介绍，脂肪肝患病率超过 30%，许多人会因为“不痛不痒”就置之不理。然而，一部分患者会由单纯性的脂肪肝向肝纤维化、肝硬化发展，成为肝癌的主要原因之一。由于弹性成像等专用检查成本高、不普及，B 超、血清等传统检查又不够灵敏，临床上很容易遗漏这部分高风险患者。

达摩院算法专家高远介绍，传统上，平扫 CT 对早期脂肪肝和肝纤维化识别能力很弱。达摩院发挥在“平扫 CT+AI”领域多年积累的技术优势，用 AI 自动提取肝脏纹理、密度、形态变化等高维特征，通过大规模活体穿刺金标准数据训练，结合血清学、影像报告等多模态数据，首次实现平扫 CT 同步判断肝脂肪变程度和肝纤维化分期。

首先，MAOSS 可实现脂肪肝精准筛查和分级，经外部多中心验证，MAOSS 模型对肝脂肪分期（无、轻度、中度、重度）的 AUC 达 0.904-0.917，大幅高于放射科医生 AUC（0.709）。部署 MAOSS 模型辅助判断后，医生 AUC 显著提升至 0.798，针对容易遗漏的轻度脂肪肝，准确率提升更为显著。

进一步地，MAOSS 模型可“揪出”纤维化达到 2 期的高风险患者，这是防止脂肪肝发展为肝硬化的关键干预窗口期。针对 1192 例脂肪肝患者的回顾性验证显示，AI 模型能识别出 52.4% 的高风险患者，而传统临床路径仅能识别出 16.6%，检出率提升 2 倍以上。总体而言，基于 MAOSS 模型的筛查路径阴性预测值（NPV）保持在 92.6% 的高水平，保证低漏诊率。

MAOSS 模型还能有效预测肝硬化进展。回顾性随访分析显示，MAOSS 判定为高风险的患者，2 年内发生肝硬化的比例达到 45.5%，显著高于低风险组的 11.8%。

中国医科大学附属盛京医院影像科副主任石喻表示，受限于大众认知不足、专用检查费用高，脂肪肝风险分层是长期以来的难题。MAOSS 模型能利用体检、门诊、急诊等场景产生的大量平扫 CT 影像，在不额外增加患者成本的同时，减少高风险脂肪肝漏诊，为早期干预提供预警信号，实现慢性肝病管理“关口前移”。“未来，患者可能在基层医院或体检机构就获得来自 AI 的高风险脂肪肝提醒，真正实现早发现、早干预、早逆转。”