核心提要
阿里达摩院联合多医疗机构推出的 MAOSS AI 模型，通过平扫 CT 和血清指标完成脂肪肝筛查与纤维化评估，高风险患者检出率提升至 52.4%，模型还能预测肝硬化进展，相关研究登国际知名期刊。
详细正文
在临床诊疗中，脂肪肝的筛查一直存在诸多难题：弹性成像等专用检查价格高、难以在基层普及，B 超、血清检测等传统方式灵敏度不够，导致大量纤维化高风险脂肪肝患者被遗漏，而脂肪肝若未及时干预，会逐步发展为肝硬化，甚至引发肝癌，目前我国脂肪肝患病率已超 30%，这一问题亟待解决。
2026 年 3 月 9 日，阿里达摩院公布了其联合多家知名医院研发的脂肪肝筛查 AI 模型 MAOSS，该模型的核心优势在于依托常规的平扫 CT 影像和血清指标，就能完成精准的肝脂肪分期和肝纤维化评估，相关研究论文已于 2 月发表在《自然 - 通讯》上，得到了国际学术界的认可。
达摩院算法专家高远介绍，传统平扫 CT 对早期脂肪肝和肝纤维化的识别能力较弱，而 MAOSS 通过大规模活体穿刺金标准数据训练，能从平扫 CT 中提取人眼难以识别的肝脏高维特征，结合血清数据后，诊断精准度大幅提升。其对肝脂肪分期的 AUC 值达 0.904-0.917，远超医生单独诊断的水平，辅助医生后，医生的诊断能力也得到显著提升。
在高风险患者识别上，MAOSS 表现尤为突出，针对 1192 例脂肪肝患者的回顾性验证显示，模型能检出 52.4% 的纤维化 2 期及以上高风险患者，较传统临床路径的 16.6% 提升超 2 倍，且 92.6% 的阴性预测值保证了极低的漏诊率。此外，模型还能对肝硬化进展进行有效预测，为临床干预提供明确的时间窗口。
对于 MAOSS 的临床价值，中国医科大学附属盛京医院石喻副主任表示，该模型能盘活现有医疗场景的平扫 CT 资源，在不增加患者负担的前提下，实现脂肪肝风险分层，让慢性肝病管理从后期治疗向早期预警转变，基层医院也能借助该模型开展高效的脂肪肝筛查。
编辑点评
MAOSS 模型将 AI 技术与临床常规检查深度融合，不仅突破了传统脂肪肝筛查的技术瓶颈，还兼顾了筛查的经济性和普及性，为脂肪肝的早期防控提供了全新的技术路径。
总结
达摩院 MAOSS AI 模型的推出，有效解决了脂肪肝临床筛查的漏诊、成本高等问题，凭借高精准的分期诊断、高检出率的风险识别和对肝硬化进展的预测能力，成为脂肪肝筛查的实用工具，其基层适配性也让脂肪肝全民早筛成为可能。
