当前，我国脂肪肝患病率已突破30%，其中约20%患者会发展为肝纤维化乃至肝硬化。
这一慢性肝病演变过程具有隐匿性强、诊断窗口期短的特点，传统B超和血清检测对早期病变灵敏度不足，而精准度较高的弹性成像技术又因设备昂贵难以普及，导致大量高风险患者错失最佳干预时机。
针对这一临床痛点，由中国医科大学附属盛京医院、南京大学附属鼓楼医院联合科研机构组成的攻关团队，创新性地开发出多模态智能分析系统。
该系统通过深度挖掘平扫CT影像中的肝脏纹理、密度等300余项微观特征，结合血清学指标构建预测模型，首次实现常规检查条件下对肝脂肪变程度和纤维化分期的同步评估。
临床验证数据显示，该系统对肝脂肪分期的诊断准确率达90%以上，较放射科医生独立诊断提升近20个百分点。
尤为关键的是，其对肝纤维化2期患者的识别率较传统方法提高2.1倍，阴性预测值保持在92.6%的高水平。
这意味着更多患者在疾病早期即可获得预警，为实施生活方式干预或药物治疗争取宝贵时间。
项目负责人介绍，该技术的突破性在于将人工智能算法与现有医疗设备深度融合，无需新增专项检查即可实现"一扫多查"。
这不仅大幅降低筛查成本，更使基层医疗机构具备开展大规模筛查的能力。
目前，该技术已在多家三甲医院完成多中心验证，下一步将重点推进标准化应用体系建设。
业内专家指出，此项研究标志着我国在慢性肝病智能筛查领域取得领跑优势。
随着技术推广，预计可使肝硬化高危人群的早期发现率提升3倍以上，每年减少相关医疗支出超20亿元。
未来通过对接国家分级诊疗体系，该技术有望成为体检机构和社区医院的标配筛查工具。
脂肪肝并非“小毛病”，真正的难点在于在庞大人群中尽早锁定会进展的那一部分。
让常见检查释放更大公共卫生价值，既需要技术创新，也需要流程、规范与随访体系的协同建设。
把风险识别前移一步，把干预时机抢回一程，才能在慢性肝病防治中赢得更主动的空间。