脂肪肝已成为全球常见肝脏疾病，患病率超过30%；但由于早期症状不明显，患者往往忽视其危害。更严重的是，部分脂肪肝患者会逐步进展为肝纤维化、肝硬化，最终演变为肝癌。这种隐匿性强、进展快的特点，使早期发现和风险分层成为临床难题。 当前诊断面临多重困境。弹性成像等专用检查设备成本高、覆盖面有限，难以在基层推广。传统的B超、血清检查虽然便利，但灵敏度不足，容易漏诊高风险患者。平扫CT虽然常见，但对早期脂肪肝和肝纤维化的识别能力也有限。这导致大量高风险患者未被及时识别，错失最佳干预时机。 针对此现状，研究团队创新性地将AI算法应用于平扫CT影像分析。通过自动提取肝脏纹理、密度、形态等特征，结合大规模穿刺金标准数据训练，融合血清学和影像报告等多模态信息，实现了平扫CT同步判断肝脂肪变程度和纤维化分期。 从诊断精准度看，该模型对肝脂肪分期的准确度达0.904至0.917，远超医生的0.709水平。在医生辅助判断后，准确度继续提升至0.798。对容易遗漏的轻度脂肪肝，准确率提升尤为显著。 从风险预警能力看，该模型能识别纤维化2期的高风险患者，这是防止脂肪肝进展为肝硬化的关键窗口。对1192例患者的验证显示，模型识别出的高风险患者比例达52.4%，而传统临床路径仅为16.6%，检出率提升超过2倍。同时，模型的阴性预测值保持在92.6%，确保低漏诊率。 从长期预后看，被判定为高风险的患者，2年内发生肝硬化的比例达45.5%，显著高于低风险组的11.8%，充分验证了其预测能力。 这一技术具有重要临床应用价值。该模型可充分利用体检、门诊、急诊中已有的平扫CT影像，在不增加患者成本的前提下，大幅降低高风险脂肪肝的漏诊率。患者可在基层医院或体检机构获得早期预警，实现慢性肝病管理的"关口前移"，为早期干预创造条件。
脂肪肝防治的难点在于"看似不急、实则易进展"。把常规检查转化为精准的风险提示，有助于把资源用在最需要的人群上，推动慢性肝病管理从"发现晚、治疗重"转向"发现早、干预早"。面向未来，技术进步只有与规范流程、健康教育和可持续的随访体系协同，才能真正把早筛优势转化为人群健康收益。