达摩院推出MAOSS模型，脂肪肝筛查迎来新突破；高风险识别能力显著增强。

脂肪肝作为一种常见的慢性肝脏疾病，其患病率在全球范围内持续攀升，已成为影响公众健康的重要问题。许多患者早期缺乏明显症状，导致延误干预时机，一旦进展至肝纤维化甚至更严重阶段，后果往往难以逆转。传统筛查手段受限于设备普及度和检查灵敏度，难以有效捕捉高风险人群，这为临床实践带来了长期挑战。近年来，人工智能技术的快速发展，为医疗领域注入了全新活力，特别是结合日常影像学检查的AI应用，正逐步改变疾病早期发现的格局。在这一背景下，阿里巴巴达摩院携手多家知名医疗机构，共同研发出名为MAOSS的脂肪肝筛查AI模型，该模型充分利用平扫CT等常规检查资源，实现了对肝脂肪变程度和纤维化进展的同步评估，为机会性筛查提供了可靠工具。

MAOSS模型的核心优势在于其多模态数据整合能力。它通过深度学习算法，从平扫CT影像中自动提取肝脏纹理、密度分布以及形态细微变化等高维特征，同时融入血清学指标和影像报告等多源信息，经过大规模临床数据训练，构建出高效的预测框架。这种方法避免了依赖昂贵专用设备的局限，使得模型能够在体检、门诊乃至急诊场景中广泛应用。专家指出，该模型不仅能精准分期肝脂肪变（从无到重度），还可评估纤维化风险分层，帮助临床医生更早识别潜在进展患者，从而为个性化干预争取宝贵时间窗。这种技术路径体现了“平扫CT+AI”的创新理念，有望在重大慢性病筛查中发挥更大作用。

多中心临床验证充分证实了MAOSS的可靠性和实用价值。在肝脂肪分期任务中，模型表现出色，其诊断性能指标明显优于放射科医生独立判断；当医生结合AI辅助时，整体准确性得到进一步提升，尤其在轻度脂肪肝等易被忽略的阶段，识别能力改善更为显著。对于纤维化进展至中高风险阶段的患者，传统路径识别比例较低，而MAOSS模型则能大幅提高检出比例，有效降低漏诊发生率。随访数据也显示，被模型划分为高风险的群体，在后续观察期内疾病进展概率明显高于低风险组，这表明其具备一定的预测疾病演变趋势的能力。这些结果为模型的临床推广奠定了坚实基础，同时也突显了AI在提升筛查效率方面的潜力。

从临床应用角度来看，MAOSS模型的最大亮点在于其低成本、高可及性特点。平扫CT作为常规影像检查，已在各级医疗机构广泛开展，模型无需额外扫描或特殊设备，即可从既有数据中挖掘价值。这不仅有助于减轻患者经济负担，还能推动慢性肝病管理的关口前移，实现早筛早治。相关医院影像科专家表示，该模型在真实世界场景中表现稳定，尤其适合机会性筛查场景，能显著改善高风险患者的早期干预效果。未来，随着更多多中心数据的积累和模型的持续优化，MAOSS有望扩展至其他肝脏相关疾病的联合筛查，形成“一次检查、多病预警”的智能诊疗模式，从而为公共卫生体系贡献更多力量。