达摩院脂肪肝AI筛查模型登上Nature：用平扫CT提升高风险检出率

据 1M AI News 监测，阿里巴巴达摩院联合中国医科大学附属盛京医院、南京大学医学院附属鼓楼医院等机构研发的脂肪肝筛查 AI 模型 MAOSS，相关论文于今年 2 月发表在《自然-通讯》（Nature Communications）上。MAOSS 通过平扫 CT 影像结合血清指标等常规检查数据，可同步判断肝脂肪变程度和肝纤维化分期，在多中心验证中对肝脂肪分期的 AUC 达 0.904-0.917，大幅高于放射科医生的 0.709。

模型的核心价值在于识别纤维化达 2 期的高风险患者，这是防止脂肪肝进展为肝硬化的关键干预窗口。在 1,192 例脂肪肝患者的回顾性验证中，MAOSS 可识别出 52.4% 的高风险患者，传统临床路径仅能识别 16.6%，检出率提升超 2 倍，阴性预测值保持在 92.6%。随访数据显示，被判定为高风险的患者 2 年内发生肝硬化的比例达 45.5%，低风险组仅 11.8%。

全球约 30.1% 人口受脂肪肝影响，但因早期症状隐匿、专用检查费用高，高风险患者漏诊率高。MAOSS 利用体检、门诊等场景中已有的平扫 CT 影像，不增加额外检查成本。达摩院此前在「平扫 CT+AI」赛道上已发布胰腺癌、胃癌、主动脉夹层等筛查模型，三次登上《自然-医学》（Nature Medicine），并获得 FDA 突破性医疗器械认定。