脂肪肝已成为全球常见的肝脏疾病，国内患病率超过30%。
然而，由于疾病早期症状不明显，许多患者对其危害认识不足，往往采取消极态度。
更为严峻的是，部分脂肪肝患者会逐步演进为肝纤维化、肝硬化，最终发展成肝癌，成为威胁公众健康的重要因素。
当前临床诊疗面临的核心难题在于高风险患者的识别困难。
弹性成像等专业检查手段虽然准确性较高，但成本昂贵、覆盖面有限，难以在基层医疗机构推广。
传统的B超和血清学检查虽然应用广泛，但灵敏度不足，容易导致高风险患者被遗漏。
平扫CT作为常见的影像学检查手段，在脂肪肝和肝纤维化的识别上能力较弱，这使得临床上存在大量漏诊现象。
针对这一瓶颈，达摩院研发团队发挥在"平扫CT+AI"领域的技术积累，创新性地开发了MAOSS筛查模型。
该模型通过深度学习算法自动提取肝脏纹理、密度、形态等高维特征，结合大规模活体穿刺金标准数据进行训练，融合血清学指标和影像报告等多模态信息，首次实现了利用平扫CT同步判断肝脂肪变程度和肝纤维化分期。
在脂肪肝精准筛查方面，MAOSS模型表现突出。
经多中心外部验证，该模型对肝脂肪分期的诊断准确度（AUC值）达到0.904至0.917，远高于放射科医生的0.709。
更为重要的是，在医生使用该模型辅助判断后，诊断准确度显著提升至0.798，对容易被忽视的轻度脂肪肝的识别准确率提升尤为明显。
在肝纤维化风险评估上，MAOSS模型具有重要的临床价值。
肝纤维化2期是防止脂肪肝进展为肝硬化的关键干预窗口。
针对1192例脂肪肝患者的回顾性研究表明，该模型能够识别出52.4%的高风险患者，而传统临床诊疗路径仅能识别16.6%，检出率提升超过两倍。
同时，模型的阴性预测值保持在92.6%的高水平，确保了低漏诊率。
长期随访数据进一步验证了该模型的预测能力。
被MAOSS判定为高风险的患者，2年内发生肝硬化的比例达45.5%，明显高于低风险组的11.8%，充分说明该模型具有较强的疾病进展预测能力。
这一创新的意义在于改变了脂肪肝的诊疗模式。
利用体检、门诊、急诊等日常医疗场景中已有的平扫CT影像，在不增加患者额外成本的前提下，能够有效识别高风险患者，为早期干预提供预警信号。
中国医科大学附属盛京医院影像科副主任石喻指出，这一突破解决了长期困扰临床的难题，使得脂肪肝的管理重心从被动应对转向主动预防。
从更广阔的视角看，MAOSS模型的成功开发体现了医疗AI技术的发展方向。
达摩院在"平扫CT+AI"领域的持续投入已在胰腺癌、胃癌、主动脉夹层等多种重大疾病的筛查中取得突破，相关成果多次登上《自然·医学》等国际顶级期刊，并获得FDA"突破性医疗器械"认定。
目前，该团队正在探索"一扫多查"技术，力求通过单次平扫CT检查实现多种主要癌症、急症和慢性病的筛查。
脂肪肝防治的难点不在于“能否发现”，而在于“能否及早识别会进展的人”。
把更多高风险个体从“无感忽视”中筛出来，让常规检查更好服务于长期健康管理，是慢性病综合防控的重要一环。
随着相关技术与临床路径不断完善，推动筛查资源向基层和体检场景下沉，有望为实现早发现、早干预、早逆转提供更坚实的支撑。