问题——脂肪肝“查得出”但“分得清”仍不足 脂肪肝常被视作“没症状的小毛病”，不少人因不痛不痒而忽视随访与干预。
然而医学界普遍认识到，部分患者可能从单纯脂肪堆积逐步进展至肝纤维化、肝硬化，甚至增加肝癌风险。
现实中，常规体检多依赖腹部超声、基础血液指标等手段，能够提示脂肪沉积，却较难精准回答“谁会继续恶化”“何时需要强化干预”等关键问题，导致高风险人群在早期阶段被漏识别的情况并不鲜见。
原因——专用检查门槛与传统影像“信息利用不足”并存 业内人士指出，肝脏弹性成像等检查对纤维化评估更有针对性，但在费用、设备配置和可及性方面仍存在限制，难以在基层体检与大规模人群筛查中全面铺开。
另一方面，平扫CT在临床使用广泛，覆盖体检、门诊和急诊等多种场景，但传统依靠人工阅片对早期脂肪肝及纤维化识别能力有限，影像中蕴含的大量纹理、密度与形态细节难以被充分量化与利用。
如何在不明显增加就医负担的前提下，把“常见检查”转化为“可用于风险分层的工具”，成为慢性肝病管理的一道关键关口。
影响——多中心验证显示：分期更细、预警更早、漏诊更少 此次多机构团队研发的MAOSS模型，依托平扫CT影像并结合血清学指标、影像报告等多源信息，通过大规模肝穿刺“金标准”数据训练，尝试实现一次检查同时完成脂肪变程度与纤维化分期判断。
外部多中心验证结果显示，该模型对肝脂肪分期（无、轻度、中度、重度）的判别能力AUC达到0.904—0.917，整体表现优于单纯依赖经验阅片的水平；在模型辅助下，医生判读AUC也得到提升。
尤其在临床更容易被忽视的轻度脂肪肝识别方面，准确率提升更为明显，为“早发现”提供了现实抓手。
更值得关注的是对纤维化进展的识别能力。
研究团队将纤维化达到2期视作重要干预窗口。
在1192例脂肪肝患者的回顾性验证中，基于该模型的路径可识别出52.4%的高风险患者，而传统临床路径识别率为16.6%，实现了超过2倍的提升；同时其阴性预测值保持在92.6%，有助于降低漏诊风险。
随访分析亦显示，被判定为高风险的患者在2年内发生肝硬化的比例为45.5%，显著高于低风险组的11.8%，提示该方法在进展预警方面具有一定参考价值。
对策——以“风险分层”推动慢病管理前移，形成可落地的筛查链条 受访专家认为，脂肪肝防治的难点不在“发现脂肪肝”，而在“识别需要被重点管理的那一部分人”。
基于平扫CT的智能评估体系，为构建“低成本、广覆盖、可复用”的分层管理路径提供了新思路：在体检机构或基层医院，利用既有的CT检查结果与常规化验数据，即可对人群进行初步分层；对被提示为高风险者，再引导其进入进一步的专科评估、生活方式干预与定期随访，从而把防控关口前移到可逆转、可干预的阶段。
与此同时，业内也提示，相关工具在推广过程中仍需在不同地区、不同设备条件下持续验证，并与临床诊疗规范衔接，确保提示结果可解释、可追溯、可执行。
前景——一次检查多维评估或成趋势，基层早筛能力有望增强 随着医学影像数据规模增长与算法能力提升，“一次平扫、多维评估”的方向正加速落地。
研发团队表示，将继续探索在不增加患者额外负担的基础上，提高对重大慢病和部分急危重症的早期识别能力。
业内人士认为，若相关技术在更多真实世界场景中得到验证，并在隐私保护、质量控制、责任边界等方面形成配套机制，有望提升基层对慢性肝病的早筛与随访能力，促进从“被动治疗”转向“主动管理”。
脂肪肝从"沉默的杀手"到可防可控的慢性病，关键在于早期发现和及时干预。
MAOSS模型的问世，标志着医疗AI在疾病风险分层中的应用迈上新台阶。
未来，患者有望在基层医院或体检机构就能获得来自AI的高风险提醒，真正实现脂肪肝的早发现、早干预、早逆转。
这不仅是技术进步的体现，更是将先进医疗手段惠及广大患者的实践探索，对推动我国慢性肝病防治工作具有重要示范意义。