阿里达摩院发布MAOSS AI模型 脂肪肝高风险检出率翻倍

近日，阿里巴巴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，研发出脂肪肝筛查专用AI模型MAOSS，相关研究成果于2026年2月发表在国际权威期刊《自然-通讯》。针对我国脂肪肝患病率超30%、传统筛查漏诊率高的痛点，该模型将高风险脂肪肝检出率提升一倍，多中心验证中肝脂肪分期AUC达0.904-0.917，诊断精度超越常规临床诊断水平。

作为全球最常见的慢性肝病之一，脂肪肝的早期干预直接决定患者预后，但长期以来临床筛查一直存在难以解决的痛点。由于早期脂肪肝几乎没有明显症状，超过八成患者在确诊时已经出现不同程度的肝损伤，而随着患病群体逐年扩大，现有筛查体系的负荷也不断增加。

传统筛查方案中，常规B超对早期肝脂肪变、肝纤维化的灵敏度有限，漏诊率居高不下；肝穿刺活检作为诊断金标准属于有创检查，成本高难以普及，根本无法满足大规模人群早筛的需求。这也是AI技术进入脂肪肝筛查领域的核心动因。

此次达摩院团队推出的MAOSS模型，核心突破在于算法对平扫CT影像的深度信息挖掘。通过深度学习模型，MAOSS能够自动从普通平扫CT中提取肝脏纹理、密度等高维特征，在全球首次实现仅通过常规平扫CT，同步完成肝脂肪变程度分级和肝纤维化分期两项核心诊断，不需要额外增加专用检查项目。

在全国多中心的临床验证中，MAOSS的表现显著优于传统人工读片：模型对肝脂肪分期的曲线下面积（AUC）达到0.904-0.917，对高风险脂肪肝患者的检出率较传统筛查方式整整翻了一倍，大幅降低了高危群体的漏诊概率。

对临床筛查来说，MAOSS模型的适配性优势十分明显。平扫CT已经是国内体检、临床诊疗中非常普及的影像检查项目，模型落地后不需要对现有检查流程做大幅改造，也不会增加患者的额外开支，就可以快速对受检者做脂肪肝风险分层。

业内观点认为，此次MAOSS模型的突破，再次验证了AI在医学影像领域的应用价值，为众多患病率高、筛查需求大的慢性病早筛，提供了可复制的技术路径，后续大规模落地后有望提升我国慢性肝病的早诊早治水平。