一、问题：脂肪肝防控面临双重挑战 脂肪肝是我国及全球范围内常见的慢性肝病，患病率已超30%。由于早期症状不明显，多数患者缺乏就医意识，往往忽视病情。然而若不及时干预，部分患者可能从脂肪肝发展为肝纤维化、肝硬化，甚至肝癌。 目前临床诊断存技术瓶颈：弹性成像等精准检查设备昂贵且未普及，而传统B超和血清检查对早期病变识别能力有限。这种技术断层导致许多高风险患者错过最佳干预时机。 二、原因：技术与认知双重制约 技术上，常规平扫CT对早期脂肪肝和肝纤维化的识别能力不足。认知层面，公众对疾病危害认识不够，加上专项检查费用较高，主动筛查意愿较低。基层医疗机构也缺乏精准筛查工具，难以实现早期防控。 三、突破：智能筛查模型提升诊断效能 阿里巴巴达摩院联合多家医疗机构研发的MAOSS智能筛查模型取得重要进展。该模型通过分析平扫CT的肝脏纹理、密度等特征，结合穿刺数据和血清指标，首次实现用平扫CT同步评估脂肪肝程度和纤维化分期。 验证数据显示： - 对肝脂肪分期的准确率（AUC 0.904-0.917）显著高于放射科医师（0.709） - 医生在模型辅助下诊断准确率提升至0.798 - 高风险患者识别率从16.6%提升至52.4% - 阴性预测值达92.6%，2年内肝硬化预测准确率45.5%（低风险组11.8%） 四、应用：赋能常规检查场景 MAOSS模型的优势在于利用现有平扫CT数据，无需额外检查即可实现风险预警。中国医科大学盛京医院石喻教授指出，这弥补了现有筛查短板，推动肝病管理关口前移。 五、展望：技术重塑慢病管理 该研究已发表于《自然-通讯》期刊。随着技术优化，未来基层医院和体检中心有望通过常规检查实现早发现、早干预的慢病管理新模式。
脂肪肝防控的关键在于识别高风险人群；将常规检查数据转化为有效预警，为临床提供精准分层依据，是提升医疗效能的重要方向。未来需要在技术验证和应用规范的双重保障下，让更多人及早发现潜在风险。