全球范围内，超过十亿人的肝脏正在经历一种缓慢而隐秘的变化。
正常健康的肝脏中脂肪含量极低，但许多成年人甚至儿童的肝脏脂肪含量已超过器官总重的5%甚至10%。脂肪的异常积累会引发炎症、细胞损伤及纤维化（即瘢痕组织形成），这些都是脂肪肝疾病的典型特征。目前，全球约有30%的成年人受此疾病影响。
如果脂肪持续积累，最终可能导致肝功能衰竭，同时增加心血管疾病和多种癌症的风险。然而，脂肪肝通常无明显症状，早期难以被发现和治疗。即使发展到肝硬化或晚期瘢痕阶段，约有四分之三的患者是在生命危急时才被诊断出来。
因此，越来越多专家开始探索人工智能（AI）在脂肪肝早期筛查中的潜力。纽约市立大学公共卫生与健康政策研究生院教授杰弗里·拉扎鲁斯指出，AI工具可以分析大量电子健康记录，精准识别那些肝脏脂肪含量异常的人群。
“AI可以回顾性地处理海量的医院就诊和实验室报告数据，”拉扎鲁斯说，“这能帮助我们优先关注风险最高的患者。”
早期发现脂肪肝，许多损伤是可逆的。初期通过减少饮酒、改善饮食、增加运动甚至多喝咖啡，都能有效逆转炎症和瘢痕形成。对于中晚期患者，新型药物如GLP-1类药物司美格鲁肽和雷斯美替罗姆也显示出良好疗效。
“肝脏是极具再生能力的器官，纤维化是可以逆转的，患者完全有可能恢复健康，”拉扎鲁斯说，“但传统上我们更多关注晚期治疗，试图延长患者生命，而非早期发现和预防疾病进展。”
拉扎鲁斯和其他专家感到沮丧的是，尽管已有简单无创的肝脏健康评估方法，但这些方法在高风险群体（如肥胖和2型糖尿病患者）中却很少被使用。
例如，Fib-4指数通过年龄、两种肝酶水平和血液凝固能力计算出0到6的评分，用于评估肝纤维化风险。美国的年度体检中常包含肝功能血液检测。医生还可以使用更准确的增强型肝纤维化血液检测，测量与瘢痕形成相关的两种蛋白质和一种抑制肝脏瘢痕清除的酶。
在肝脂肪含量异常的患者中，结合这两种检测能使晚期纤维化的诊断准确率提高四倍。但面对日益繁重的工作和行政压力，医生们认为增加更多检测并非长久之计。
耶鲁大学医学教授乔纳森·德拉诺夫表示：“必须有一种后台自动运行的系统，或者只需轻轻一点就能完成。”
因此，德拉诺夫和拉扎鲁斯都看好AI在自动计算Fib-4评分、帮助初级医生筛查合适患者转诊肝病专家方面的应用。
AI还可以利用X光影像进行筛查。去年，日本大阪市立大学的科学家发布了一项研究，利用AI模型分析常规胸部X光片。虽然这些影像主要用于检查肺部和心脏，但也能捕捉到部分肝脏。研究发现，该模型识别脂肪肝的准确率达82%。
拉扎鲁斯建议，将AI算法整合进所有包含肝脏的常规X光分析中，“AI可以检测肝脏脂肪过多的病例，结合患者是否超重、高胆固醇或患有2型糖尿病等风险因素，向医生提出建议。它可以告诉医生，‘这可能不是你原本关注的，但发现了这个问题，建议转诊肝病或内分泌科做进一步检查。’”
基于常规血液检测训练的AI算法也开始提升脂肪肝进展性疾病的诊断水平。虽然Fib-4快速且成本低，但在青少年和老年人群中准确性较低，且存在假阳性和不必要转诊的风险，需结合其他检测使用。
因此，丹麦健康科技初创公司Evido开发了名为LiverPRO的AI算法，基于年龄和九项常规血液生物标志物评估肝纤维化风险。该算法已与制药巨头罗氏合作商业化，在超过47万中年人群中预测严重肝病风险的表现优于Fib-4。
其他AI检测工具还能帮助医生筛选最适合雷斯美替罗姆治疗的患者，无需进行侵入性肝活检。今年早些时候，国际肝病专家团队发布了基于常规血液检测的机器学习算法ALADDIN研究结果，显示其在识别可从该药物获益患者方面优于Fib-4及其他风险评分。
邓迪大学胃肠病、肝病及内科专科医生保罗·布伦南表示：“这些工具不会完全取代活检或影像学检查，但能解决初级医疗中大多数纤维化未被发现的瓶颈。我预计它们将作为更智能的初筛工具，捕捉中等风险患者，减少不必要的肝病专家转诊。”
目前，AI在肝病护理中的应用多集中于研究阶段，但拉扎鲁斯乐观地认为这一状况将很快改变。他指出丹麦的研究发现，告知患者其肝纤维化状况能显著提高其遵守饮食和运动计划的意愿。
“我们一直在努力提高人们健康饮食和增加运动的依从性，告诉患者他们可能或确实患有肝病，是一种有效的激励方式。”拉扎鲁斯说。
对于面临慢性病负担日益加重的医疗系统来说，早期识别和治疗脂肪肝患者将节省大量医疗开支。
“我希望能回顾美国各大医疗系统的电子病历，找到尚未发展为肝硬化的患者，”拉扎鲁斯说，“肝移植费用极高，尤其是在美国。因此，早期发现患者不仅有人道主义意义，也有巨大的经济价值。”
