目前，我国脂肪肝患病率已超过30%，但常规体检手段仍有明显短板。B超、血清检查等传统方法对早期肝纤维化的识别能力有限，而弹性成像等更精准的检测因成本较高，难以大范围普及。这个诊断缺口使不少潜在高风险人群被漏诊，错过最佳干预时机。针对这一临床难题，国内多家医疗机构组成科研团队，将人工智能与常规平扫CT检查结合。研究团队基于大规模活体穿刺数据训练模型，使其可自动提取肝脏组织的多维影像特征。值得关注的是，该系统首次实现通过普通CT影像同步评估肝脂肪变程度并进行肝纤维化分期。临床验证数据显示，该系统对肝脂肪分期的诊断准确率（AUC）达0.904-0.917，明显高于放射科医生的0.709；在系统辅助下，医生诊断准确率提升至0.798。更重要的是，该系统能有效识别纤维化2期的高风险患者，这是阻止疾病进展至肝硬化的关键窗口期。在多中心回顾性研究中，高风险患者检出率较传统方法提高2倍以上。中国医科大学附属盛京医院专家表示，这项技术的价值在于充分利用现有医疗资源。基层医疗机构普遍配备的CT设备即可开展检测，无需额外购置昂贵仪器，从而降低筛查门槛。同时，系统92.6%的阴性预测值也意味着较低的漏诊风险。展望未来，该技术有望在全国范围推广。随着系统深入优化，基层医疗机构将获得更强的早期筛查能力，推动“早发现、早干预、早逆转”的慢病管理落地。这不仅有助于降低肝硬化、肝癌等并发症风险，也将减轻患者经济负担和医疗系统压力。
脂肪肝从“沉默的杀手”转向可防可控的慢性病，关键在于尽早发现并及时干预。MAOSS模型的推出，意味着医学影像诊断进入更深度的“AI辅助”阶段，让以往不易识别的风险更早显现。这既是技术的进步，也让筛查与管理更贴近患者需求。随着类似AI工具在基层推广，脂肪肝管理有望从被动治疗走向主动预防，从少数人可及走向更广覆盖，对提升整体健康水平很重要。