核心提要
2026 年 3 月 9 日阿里达摩院联合多家医院研发出脂肪肝筛查 AI 模型 MAOSS，依托平扫 CT 和血清指标实现精准筛查，将高风险患者检出率从 16.6% 提升至 52.4%，相关成果已发表于《自然 - 通讯》。
详细正文
脂肪肝如今的患病率已经超过 30%，但因为早期症状不明显，很多人都忽视了这种疾病的危害，殊不知部分患者会从单纯性脂肪肝逐步发展为肝纤维化、肝硬化，甚至成为肝癌的诱因。而临床中，专用检查成本高难以普及，传统检查又灵敏度不足，高风险患者漏诊问题突出。
针对这一痛点，阿里达摩院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，研发出了 MAOSS 脂肪肝筛查 AI 模型。该模型发挥达摩院在 “平扫 CT+AI” 领域的技术积累，能自动提取肝脏的纹理、密度等高维特征，结合血清学等多模态数据，首次实现用平扫 CT 同步判断肝脂肪变程度和肝纤维化分期。
经多中心验证，MAOSS 对肝脂肪分期的 AUC 值达到 0.904-0.917，远高于放射科医生的 0.709，辅助医生诊断后，医生的诊断准确率也大幅提升，对轻度脂肪肝的识别效果改善尤为明显。在针对 1192 例患者的验证中，模型将高风险患者检出率提升至 52.4%，是传统临床路径的 3 倍多，且阴性预测值保持 92.6%，漏诊率极低。同时，模型还能有效预测肝硬化进展，高风险患者 2 年内肝硬化发生率达 45.5%。
中国医科大学附属盛京医院影像科副主任石喻表示，MAOSS 能利用现有体检、门诊的平扫 CT 资源，不增加患者成本，还能实现慢性肝病管理的 “关口前移”，未来基层医疗机构也能借助该模型实现脂肪肝早筛早干预。
编辑点评
MAOSS 模型的研发直击脂肪肝临床筛查的痛点，将 AI 技术与常规检查结合，既降低了筛查成本，又大幅提升了检出率，为基层医疗的脂肪肝筛查提供了实用的技术方案。
总结
阿里达摩院 MAOSS 模型凭借多模态数据融合技术，解决了脂肪肝传统筛查的诸多问题，不仅实现了精准的脂肪分期和纤维化评估，还显著提升高风险人群检出率，其低成本、高适配的特点，有望推动脂肪肝筛查在基层的普及，让慢性肝病早发现早干预成为常态。
