阿里巴巴达摩院近日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%。相关论文发表在《自然-通讯》（Nature Communications）上。

根据介绍，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。

MAOSS 模型还可进一步地“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。”