目前，脂肪肝已成为全球最常见的慢性肝病之一；数据显示，我国成人脂肪肝患病率已超过29%，其中约20%可能进展为肝纤维化甚至肝硬化。现有筛查手段仍有短板——平扫CT对早期病变的识别能力有限，而作为“金标准”的穿刺活检具有创伤性，使不少高危人群难以及时发现并干预。 针对该问题，研究团队提出多模态数据融合方案。基于超过10万例临床病例数据训练后，系统可自动提取肝脏组织纹理、密度变化等32项关键指标。尤其是，该模型首次实现对2期肝纤维化的稳定识别，而这一阶段在以往常规影像检查中通常难以准确判断。 临床验证结果显示，被模型判定为高风险的人群中，两年内肝硬化发生率达到45.5%，约为低风险组的近4倍。这意味着，依托体检中常见的平扫CT，就有机会对严重肝脏疾病进行更早的风险提示。 从研发历程看，这是该团队在医疗影像分析方向的第四次重要进展。此前，其有关技术已应用于胰腺癌、胃癌等疾病的早筛研究，并三次发表于《自然·医学》。有专家指出，“一扫多查”的技术路径有望在未来3至5年内推动常规体检模式升级。
脂肪肝筛查模型MAOSS的研发与临床转化，展示了医疗健康领域影像智能化的最新进展。通过将计算机视觉、机器学习与临床需求结合，该模型提升了早期发现能力，并为风险分层与个体化治疗提供了支持。随着“一扫多查”等诊断技术持续落地，智能医学影像有望提升诊疗效率、改善患者预后各上发挥更大作用。