11.8%、16.6%、30%、45.5%、52.4%、92.6%这些关键数字清晰地勾勒出了阿里达摩院发布的脂肪肝筛查AI模型的强大威力。正如论文所揭示，这个MAOSS模型依托于阿里巴巴达摩院与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的深度合作，以及《自然-通讯》的发表支持，其突破性在于让医生的诊断能力实现了质的飞跃。它能在不增加检查成本的情况下，精准揪出原本容易被忽视的高风险人群，这种效率是传统手段难以企及的。 要知道，如今我国有超过三成的人都面临脂肪肝的困扰。很多人因为没有明显症状而对此掉以轻心，殊不知其中一部分人可能会悄悄发展为肝硬化甚至肝癌。以往靠B超和血清指标筛查，往往像个筛子漏下了不少人，而更精准的弹性成像等技术又因费用太高难以普及。达摩院的算法专家高远指出，传统平扫CT在识别早期病变和纤维化方面确实存在盲区。好在达摩院在AI与平扫CT融合方面积累了深厚的技术底蕴。 这个模型最大的亮点在于它能同时对肝脂肪变程度和肝纤维化分期进行评估。通过自动提取纹理、密度等特征，并结合血清学数据进行训练，MAOSS首次实现了利用平扫CT这一常见检查手段同步获取这两个关键指标的能力。外部多中心验证的数据证明了它的可靠性：无论是判断肝脂肪分期的AUC值还是辅助医生诊断的准确率，MAOSS都远超单纯依靠放射科医生的水平。 对于那些容易被漏掉的轻度脂肪肝患者，AI的准确率提升更为显著。更重要的是，它能抓住纤维化达到2期这一阻止病情恶化的关键时间窗口。针对1192例患者的回顾性验证显示，MAOSS将高风险人群的检出率从16.6%大幅提升至52.4%，足足翻了两番。这种高检出率使得模型的阴性预测值（NPV）保持在92.6%的高水平，极大地降低了漏诊的风险。 随访分析进一步证明了AI的前瞻性。被判定为高风险的患者在两年内发生肝硬化的比例高达45.5%，远高于低风险组的11.8%。石喻副主任表示，大众对疾病认知不足和专用检查费用昂贵是长期困扰临床的难题。MAOSS能充分利用体检、门诊等场景中的大量平扫CT影像资源，在不额外花钱的前提下减少漏诊。 未来基层医院或体检机构完全可以借助这个模型来提醒高风险人群，真正做到疾病的“关口前移”。有了这种预警信号，患者就能在早期获得干预和逆转的机会。达摩院这一突破标志着中国医科大学附属盛京医院在IT领域的创新成果正逐步走向更广泛的应用场景。