全球首个！中国科学家立大功，AI揪出“肝脏杀手”|心血管疾病|治疗|纤维化|肝病|肝硬化|脂肪肝

（来源：医学界）

转自：医学界

由我国科学家开发的全新AI模型，全球首次系统验证了仅通过平扫CT和血检，即可实现对脂肪性肝病的机会性筛查、分期及患者健康结局的准确预测。

撰文 | 凌骏

在中国医科大学附属盛京医院放射科石喻教授的实验室里，最近多了一批被“意外发现”的肝病患者。

石喻长期从事脂肪性肝病的诊断和筛查，她观察到一个令人不安的现象：那些本能在早期控制住病情的患者，直到发展成晚期肝纤维化，才意识到问题的严重性。

让她印象最深刻的，是医院胸外科的一位同事，他每年体检都被告知“肝功能不太正常”，但因为没有明显不适，从未过多在意。直到去年，通过和阿里巴巴达摩院联合开发的AI模型，石喻在这位同事既往的体检CT影像中，发现了严重的肝纤维化信号，进一步检查后发现，他已经出现了肝硬化。

“连医生自己都会忽略，更不用说普通老百姓了。”石喻告诉“医学界”。

近日，这项联合研究成果正式发表于国际顶级期刊《自然·通讯》，团队开发的名为MAOSS的多模态AI模型，全球首次系统验证了仅通过平扫CT和血检，即可实现对脂肪性肝病的机会性筛查、分期及患者健康结局的准确预测。

难以“确诊”的肝病

在中国，平均每3个成年人里，就有一个患有脂肪性肝病（SLD），总患者数超过3亿。但在不少人的认知里，脂肪肝无非就是“胖了点”，没有不适就无需在意。

“这种心态是可以理解的。”石喻告诉“医学界”，“因为总体而言，单纯性脂肪肝的进展十分缓慢，可一旦合并了炎症和肝纤维化，情况就完全不同。”

相关统计数据显示，约20%—40%合并肝炎的SLD患者，会发展为显著肝纤维化（≥F2）。麻烦的是，这个过程悄无声息，一旦患者错过了最佳治疗窗口F2期，进展至晚期肝纤维化（≥F3），5-10年内肝硬化发生率可达10%–20%，并显著增加肝癌与肝衰的风险。

石喻介绍，目前，针对脂肪肝患者，临床医生主要通过FIB-4评分来评估肝纤维化的风险程度，并进而制定干预对策。“可问题在于，在FIB-4评分模型中，约有30%至50%的患者会处于难以分层的‘灰区’，导致医生无法准确判断病情，时常只能给出模棱两可的回答。”

而若要进一步明确诊断，则需要开展肝纤维化磁共振弹性成像检查。

石喻研究肝纤维化已将近20年，为上万名患者开展过肝纤维化磁共振弹性成像，但她表示，由于相关设备需要特殊硬件，价格昂贵，仅在少数大型医院有所配备，难以作为常规手段在临床中普及。

“我有不少患者，是从外院、甚至外地专程过来检查的，时间成本、路费、检查费都是一笔不小的开销。”石喻说，“而放眼全国，更多患者则是因此放弃了检查，错过了能有效治疗的窗口期。”

“因此，多年来我最大的心愿之一，就是希望能有一种更便捷、可及的方法，能在不额外增加医疗负担的情况，仅利用常规的‘检查项目’，就能实现对更广大肝病患者的纤维化风险初筛。”石喻说。

针对这一临床痛点，MAOSS模型应运而生。

MAOSS，全名为“多模态AI机会性脂肪肝筛查模型”，虽然名字有些拗口，但它做的事非常直接：只需要输入患者的胸部或腹部平扫CT，模型就能提取关键的影像特征，结合常规血检指标，同步输出两个关键结果——脂肪肝严重程度（S0～S3）和肝纤维化风险（F0～F4）。

阿里巴巴达摩院算法专家高远同样向“医学界”表示：“在我国，脂肪肝的发病率非常高，这意味着急需有一个更可及、普适且低成本的临床手段，对患者所面临的疾病风险进行筛查和分层。”

“而在临床中，无论是门、急诊还是病房，甚至常规的体检，都有大量患者本就需要平扫CT检查。试想，如果我们能将这些影像资料‘二次利用’，就能在不增加任何负担的情况下，实现对脂肪肝进展风险的大规模筛查。”高远说。

“一键”实现肝病风险分层

带着相同的愿景，2022年，石喻和阿里巴巴达摩院研究团队一拍即合，正式启动了MAOSS模型的开发。

“在临床诊疗中，医生之所以难以通过平扫CT识别肝纤维化的程度，是因为早期肝纤维化几乎没有形态学的改变。”高远告诉“医学界”，“为此在MAOSS的开发中，我们在图像编码模块中加入了纹理编码机制，让模型学会捕捉肝脏血管的特征、分布等肉眼无法识别的细微病变。”

而在模型训练上，团队引入了968例肝脏活检金标准患者数据，以及1103例“普通患者”的影像报告数据，前者用来保证模型知道“病理真相”，后者则让模型理解了“临床语言”，以实现对全人群的覆盖。

阿里巴巴达摩院算法专家闫轲介绍，经过大规模的内外部验证，对于轻度以上的脂肪肝，MAOSS的正确区分概率（AUC）在研究中心医院达到了0.917，在“外部医院”测试中也达到了0.904，大幅高于放射科医生AUC（0.709）。因而，MAOSS有望辅助医生更精确地筛查脂肪肝，尤其是容易被肉眼遗漏的轻度脂肪肝。部署MAOSS模型辅助判断后，医生AUC显著提升至0.798。

而针对临床显著纤维化（≥F2），MAOSS的AUC则分别为0.888和0.824，晚期纤维化（≥F3）更是达到0.912和0.905，显著优于对照组模型的表现。

“这样的数据令人振奋。”石喻告诉“医学界”。研究显示，MAOSS不仅能识别脂肪肝，还能有效区分炎症活动（NAS ≥ 4）和临床显著纤维化（≥F2）的高风险患者，并首次将AI风险分层与硬性临床终点直接关联。

据石喻介绍，在传统临床路径中，中高风险肝纤维化患者的检出率仅为16.6%，“而利用MAOSS模型，我们将检出率提升至52.4%，在保持92.6%的高阴性预测值的前提下，额外识别出了36%的潜在肝病进展风险患者。”

纵向结局数据表明，在236例患者中位数为2.1年的疾病进展中，被MAOSS判定为中高风险的患者，实际发生肝硬化的比例为45.5%，而低风险组仅为11.8%。

石喻表示，作为一种全自动的慢性肝病风险AI分层工具，研究表明，MAOSS能与现有的临床指南有效整合，形成一条优化的肝病机会性筛查路径。它不仅能提供影像学判断，更具备预测疾病进展的能力，为早期干预提供具有临床意义的预警信号。

“在临床应用中，MAOSS既不会增加患者的医疗成本，也不会打扰现有的临床诊疗流程，在患者做CT时，AI在后台就能默默完成分析。”

“这让影像数据完成了一次角色转变——从‘告诉医生是多少’到‘告诉医生该怎么做’，它更精准地筛出了需要干预的肝病患者，最终改变了患者的健康结局。”石喻说。

一个新里程碑

事实上，在“平扫CT+AI”这条技术路径上，近年来达摩院团队已经多次产出了重磅创新成果。

2023年，达摩院发布了基于“平扫CT+AI”的胰腺癌筛查AI模型DAMO PANDA，登上《自然·医学》，并获得了FDA“突破性医疗器械认定”。《自然·医学》同期的评论文章指出：一个医疗影像AI的黄金时代已准备就绪。