脂肪肝流行来袭，人工智能或能助我们抢占先机

# 脂肪肝疫情肆虐，AI或能助力走在前面 来源：https://www.wired.com/story/fatty-liver-disease-ai-detection-cancer/ 在世界各地，超过十亿人的[肝脏](https://www.wired.com/story/cells-grow-liver-inside-patient/)组成正在发生一种缓慢而隐匿的变化。 虽然在正常健康的肝脏中，脂肪的存在微乎其微，但许多成年人甚至儿童的肝脏中，脂肪含量已超过器官总重量的[5%，甚至10%](https://liverfoundation.org/about-your-liver/facts-about-liver-disease/fatty-liver-disease/)。这种非自然的存在会导致炎症、细胞损伤以及称为纤维化的疤痕组织形成，这些都是脂肪肝病的特征。目前，[全球约30%的成年人](https://pmc.ncbi.nlm.nih.gov/articles/PMC11999411/)受到该病影响。 如果任其发展，进行性的脂肪积累最终可能导致肝功能衰竭，并且与心血管疾病和多种癌症风险增加有关。但该病通常没有明显症状，因此很少在可治疗的早期阶段被发现。即使在肝硬化或肝脏严重瘢痕化的情况下，[四分之三的人](https://liveruk.org/about-liver-disease/liver-disease-in-numbers/#late)也要等到病情危及生命时才会被诊断出来。 因此，越来越多的专家正在研究人工智能如何提供帮助。纽约市立大学公共卫生与健康政策研究生院教授杰弗里·拉扎勒斯（Jeffrey Lazarus）建议，可以利用人工智能工具梳理海量电子健康记录，找出最有可能积累了令人担忧的肝脏脂肪的人群。 “人工智能可以回顾性地处理大量的就诊记录和实验室报告，”拉扎勒斯说，“你可以利用它来确定谁的风险最高，从而优先处理。” 如果脂肪肝病能在早期被发现，大部分损害是高度可逆的。在初期阶段，生活方式的改变——如减少酒精摄入、通过改善饮食和运动来减重，甚至多喝咖啡——都已被证明能够逆转瘢痕和炎症。即使对于中度至重度肝瘢痕的患者，新型治疗方法，如GLP-1药物semaglutide和一种名为resmetirom的药物，也已被证明是非常有效的疗法。 “肝脏是一个非常多才多艺且有趣的器官，因为它可以再生，纤维化可以逆转，你可以完全恢复健康，”拉扎勒斯说，“但传统上，我们更关注晚期护理，试图让患者活得更久，而不是及早发现他们并防止病情发展。” 让拉扎勒斯和其他人感到沮丧的一点是，尽管存在简单、无创的肝脏健康评估方法，但这些方法却很少被使用，即使是那些已知患脂肪肝病后果风险高得多的人群，如肥胖和2型糖尿病患者，也是如此。 例如，Fib-4指数通过计算0到6之间的分数来评估一个人发生晚期肝纤维化的风险，其依据是年龄、两种肝酶的水平以及凝血能力。这需要医生进行肝脏血液检查，而在美国，这通常是年度体检的一部分。医生还可以使用一种更准确的二线血液检测，称为增强肝纤维化检测，该检测可测量与生成瘢痕组织相关的两种蛋白质以及一种抑制肝脏瘢痕清除的酶的水平。 在肝脂肪含量令人担忧的患者中使用这两种检测，[已被证明](https://pubmed.ncbi.nlm.nih.gov/30965069/)能将晚期纤维化的诊断率提高四倍。但对于面临日益增加的工作量和行政负担的医生来说，简单地在工作流程中增加更多检测并非可持续的选择。 “你需要有能在后台运行的东西，或者能够轻松点击按钮就能完成，”耶鲁大学医学教授乔纳森·德拉诺夫（Jonathan Dranoff）说。 因此，德拉诺夫和拉扎勒斯都预见到人工智能可以在利用常规血液检测的现有数据并自动计算Fib-4评分方面发挥作用，从而让初级保健医生更容易识别出需要转诊给肝脏专科医生的合适患者。 人工智能也可以通过X射线图像做到这一点。去年，日本大阪公立大学的科学家[发表了一项研究](https://pubs.rsna.org/doi/10.1148/ryct.240402)，其中使用了一种能够接收和分析常规胸部X光扫描的AI模型。虽然这些图像主要用于检查肺部和心脏，但也能捕捉到部分肝脏。研究人员发现，他们的模型能够以82%的准确率识别出患有脂肪肝病的人。 拉扎勒斯建议，可以将人工智能算法整合到所有常规X射线分析中，在这些分析中肝脏恰好与其他器官一起被扫描。“人工智能可以识别出肝脂肪过多的病例，检查其他风险因素，例如该人是否超重、是否患有高胆固醇或2型糖尿病，然后向医生提出建议，”拉扎勒斯说。“它可以告诉他们，‘这可能不是你原本要找的，但这是检测到的结果，你应该转诊给肝病科或内分泌科，他们可以做进一步检查。’” 利用常规血液检测训练人工智能算法，也开始为进行性脂肪肝病带来更好的诊断方法。虽然Fib-4是一种快速且低成本的工具，但在某些年龄段（如青少年和老年人）中准确性较低，而且研究对其假阳性率和不必要的转诊率提出了担忧，除非与其他检测结合使用。 因此，丹麦健康科技初创公司Evido开发了一种名为LiverPRO的人工智能算法，该算法可根据患者的年龄和九种常规血液生物标志物来评估其肝纤维化风险。目前，该算法正与制药公司Roche合作进行商业化，并[已被证明](https://www.postersessiononline.eu/173580348_eu/congresos/EASL2024/aula/-FRI_45_EASL2024.pdf)在预测超过47万名中年人群严重肝脏问题风险方面优于Fib-4。 其他基于人工智能的检测方法也可以帮助医生选择最适合接受resmetirom治疗的患者，而无需进行侵入性肝脏活检。今年早些时候，一个国际肝病学家团队[发表了研究结果](https://journals.lww.com/ajg/fulltext/10.14309/ajg.0000000000003432~aladdin-a-machine-learning-approach-to-enhance-the)，该研究评估了一种名为ALADDIN的人工智能模型——另一种基于常规血液检测的机器学习算法——结果显示，在识别最可能从该药物中获益的患者方面，它的表现优于Fib-4和其他风险评分。 “这些工具不会完全取代活检或影像学检查，”邓迪大学胃肠病学、肝病学和内科学专科注册医师保罗·布伦南（Paul Brennan）说。“但它们可以解决初级保健中的瓶颈问题，那里大多数纤维化未被发现。我预计它们会被用作更智能的初步筛查工具，捕捉到较粗糙工具可能漏掉的中危患者，并减少不必要的肝病专科转诊。” 到目前为止，人工智能在肝脏护理中的应用主要局限于研究领域，但拉扎勒斯对此持乐观态度，认为这种情况很快就会开始改变。他提到丹麦[进行的研究](https://pubmed.ncbi.nlm.nih.gov/38154729/)发现，告知人们患有肝纤维化会使他们更有可能坚持饮食和运动计划。“我们一直在寻求提高人们坚持良好饮食和更多体育锻炼的依从性，”拉扎勒斯说，“告诉某人他们可能患有或确实患有肝病，就是实现这一目标的一种方式。” 对于正在应对慢性病负担不断增加的医疗系统来说，在脂肪肝病早期阶段识别和治疗患者将节省大量资金。 “我很想说，让我们回顾美国各医疗系统的电子病历，在人们患上肝硬化之前找到他们，”拉扎勒斯说。“肝脏移植在任何国家都非常昂贵，尤其是在美国。因此，有很多人道和经济上的充分理由让我们更早地发现患者。”