脂肪肝正在流行，人工智能或许能帮我们提前应对

全球范围内，超过十亿人的肝脏正在发生一种缓慢而隐蔽的变化：脂肪异常堆积。健康肝脏几乎不含脂肪，但如今许多成人甚至儿童的肝脏脂肪含量已超过总重量的5%至10%。这种异常脂肪会引发炎症、肝细胞损伤，并形成瘢痕组织（即纤维化），构成脂肪性肝病的核心特征；目前全球约30%的成年人受此影响。若不加干预，脂肪持续累积可能最终导致肝功能衰竭，并增加心血管疾病和多种癌症风险。然而，该病在早期几乎不引起明显症状，因此极少能在可逆阶段被发现——即便已发展为肝硬化（严重瘢痕），仍有四分之三患者直到病情危及生命才确诊。

正因如此，越来越多医学专家开始探索人工智能（AI）的辅助潜力。例如，纽约市立大学公共卫生学院Jeffrey Lazarus教授指出，AI可高效筛查海量电子健康档案，自动识别最可能患有显著肝脂肪堆积的人群。“AI能回溯分析大量就诊记录和检验报告，真正帮我们优先锁定高风险者。”

值得强调的是，脂肪肝病在早期阶段具有高度可逆性。通过减少饮酒、改善饮食与增加运动来减重，甚至适量饮用咖啡，均已被证实可减轻或逆转炎症与纤维化。对中重度肝纤维化患者，新型药物如GLP-1类降糖药司美格鲁肽（semaglutide）和靶向药瑞斯米罗姆（resmetirom）也展现出良好疗效。Lazarus强调：“肝脏极具再生能力——纤维化可以逆转，人完全可以恢复健康。但传统医疗长期聚焦于晚期救治，试图延长生命，而非早期发现、主动预防。”

令人遗憾的是，已有简单、无创的肝纤维化评估工具却未被充分利用。例如“FIB-4指数”，仅需结合年龄、两种肝酶（ALT/AST）水平及凝血功能（血小板计数），即可计算出0–6分的风险评分（分数越高，晚期纤维化风险越大）。这项评估依赖常规肝功能血液检查，在美国常作为年度体检项目之一；医生还可选择更精准的二线血液检测——“增强型肝纤维化检测”（ELF），它通过测量两种促瘢痕蛋白和一种抑制瘢痕清除的酶，综合判断纤维化程度。研究证实：将FIB-4与ELF联合用于疑似脂肪肝患者，可使晚期纤维化诊断准确率提升4倍。但面对日益繁重的临床工作，医生普遍认为“额外加做检测”难以持续推行。

耶鲁大学医学教授Jonathan Dranoff指出：“必须有能后台自动运行、或一键启动的工具，否则很难落地。”因此，他与Lazarus均认为，AI可无缝整合进现有诊疗流程：自动调取常规血检数据，实时生成并提示FIB-4评分，助力基层医生快速识别需转诊肝病专科的患者。

AI的应用不止于血液数据。日本大阪都会大学团队去年发表研究：利用AI分析常规胸部X光片（本用于心肺检查），意外发现其也能清晰显示部分肝脏区域；该模型识别脂肪肝的准确率达82%。Lazarus建议，未来所有含肝脏影像的常规X光检查（如胸片、腹部平片）都可嵌入此类AI算法——不仅能识别肝脏脂肪超标，还能同步分析体重、胆固醇、糖尿病等共存风险因素，再向医生发出智能提醒：“本次检查虽未针对肝脏，但发现潜在脂肪肝迹象，建议转诊肝病科或内分泌科进一步评估。”

基于血液指标的AI诊断也在快速发展。尽管FIB-4简便廉价，但在青少年和老年人群中准确性下降，且存在假阳性风险，易导致不必要的专科转诊。为此，丹麦健康科技公司Evido开发了AI算法LiverPRO，仅需患者年龄和9项常规血液生物标志物（如ALT、AST、血小板、血糖、血脂等），即可更精准评估肝纤维化风险。该工具已与罗氏公司合作商业化，在超47万名中年人群中验证显示，其预测严重肝病风险的能力显著优于FIB-4。

另一项突破来自国际肝病专家团队开发的AI模型ALADDIN（同样基于常规血检）。今年初发布的研究证实：该模型在筛选适合接受瑞斯米罗姆治疗的患者时，表现优于FIB-4及其他传统风险评分——有望帮助医生避免侵入性肝活检，直接依据血液数据精准用药。

邓迪大学胃肠肝病学专科医师Paul Brennan指出：“这些AI工具不会完全取代活检或影像检查，但能解决基层医疗的最大瓶颈——绝大多数纤维化在此阶段被漏诊。我期待它们成为更聪明的‘第一道筛检’：抓住中等风险人群（传统粗筛工具容易遗漏），同时减少无效转诊。”

目前AI在肝病管理中的应用仍以科研为主，但Lazarus充满信心：丹麦已有研究证明，当患者被告知自己存在肝纤维化时，其坚持健康饮食与规律运动的意愿显著提升。“我们始终在寻找提高健康行为依从性的方法，而明确告知‘你可能已患上肝病’，就是一种有力的促动方式。”

对整个医疗系统而言，早期识别与干预脂肪肝病意义重大。Lazarus呼吁：“我希望各美国医疗系统能回溯电子病历，主动筛查尚未发展为肝硬化的高危人群。肝移植在任何国家都极其昂贵，而在美国尤为突出——因此，早发现、早干预，既是人道关怀，更是经济理性的必然选择。”