核心提要
阿里达摩院联合多院研发的 MAOSS AI 模型，通过多模态数据训练实现脂肪肝精准筛查，将高风险患者检出率从 16.6% 提升至 52.4%，可预测肝硬化进展，相关成果发表于《自然 - 通讯》，适配临床多场景。
详细正文
如今脂肪肝已成为高发的慢性疾病，患病率超过 30%，但由于其早期 “不痛不痒” 的特点，很多患者未能及时发现，而部分患者会从单纯性脂肪肝发展为肝纤维化，进而演变为肝硬化、肝癌，成为严重的健康隐患。但临床中，脂肪肝的筛查却面临诸多阻碍，专用检查成本高难以普及，传统检查灵敏度不足，导致高风险患者频繁漏诊。
2026 年 3 月 9 日，阿里达摩院带来了脂肪肝筛查的全新解决方案 ——MAOSS AI 模型，该模型由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多家机构共同研发，能通过平扫 CT 影像和血清指标等常见检查，完成肝脂肪分期和肝纤维化进展的双重评估，相关研究成果已于今年 2 月发表在国际知名期刊《自然 - 通讯》上。
达摩院在 “平扫 CT+AI” 领域有着多年的技术积累，这也成为 MAOSS 模型研发的核心基础。模型通过 AI 技术自动提取肝脏纹理、密度、形态变化等高维特征，结合大规模活体穿刺金标准数据训练，再融合血清学、影像报告等多模态数据，首次实现了用平扫 CT 同步判断肝脂肪变和肝纤维化情况，突破了传统平扫 CT 的诊断局限。
从临床验证数据来看，MAOSS 模型的表现十分亮眼，其对肝脂肪分期的 AUC 值达到 0.904-0.917，显著高于放射科医生的 0.709，在模型辅助下，医生的诊断准确率也提升至 0.798，对轻度脂肪肝的识别效果大幅改善。在高风险患者检出上，模型针对 1192 例患者的验证中，检出率达 52.4%，是传统临床路径的 3 倍多，且 92.6% 的阴性预测值确保了低漏诊率。同时，模型能有效预测肝硬化进展，为临床干预划定关键窗口期。
中国医科大学附属盛京医院影像科副主任石喻表示，脂肪肝风险分层是临床长期难题，而 MAOSS 模型能利用现有医疗场景的平扫 CT 资源，不额外增加患者成本，有效减少漏诊，实现慢性肝病管理的 “关口前移”，未来基层医院和体检机构都能借助该模型开展高效筛查。
编辑点评
MAOSS 模型的研发是医疗 AI 与临床需求的深度结合，既突破了传统脂肪肝筛查的技术壁垒，又具备极强的临床适配性，为脂肪肝的早期防控提供了可落地、可普及的技术方案。
总结
阿里达摩院 MAOSS AI 模型凭借多模态数据融合和 AI 技术优势，攻克了脂肪肝筛查的漏诊、成本高等难题，大幅提升高风险人群检出率，同时实现纤维化评估和肝硬化预测，其多场景适配的特点，将推动脂肪肝筛查在临床的全面落地，助力慢性肝病早筛早治。
