阿里达摩院推出MAOSS模型：AI辅助脂肪肝筛查，高风险识别率提升一倍

技术突破：MAOSS模型的核心优势
近日，阿里巴巴达摩院医疗AI团队发布了全新的**MAOSS（Multi-modal Abdominal Organ Segmentation and Screening）模型**，专为脂肪肝筛查场景设计。该模型通过融合超声影像、临床生化指标及患者基础数据等多维度信息，实现了对脂肪肝高风险群体的精准识别。根据公开数据，MAOSS在临床试验中将**高风险识别率提升了约一倍**，与传统单一影像分析方法相比，其敏感度从不足50%提升至90%以上，显著降低了漏诊风险。

技术路径：多模态融合与动态学习机制
MAOSS的核心创新在于其**多模态深度学习架构**。模型首先通过高精度图像分割网络定位肝脏区域，再结合血清谷丙转氨酶（ALT）、甘油三酯等关键指标构建风险预测矩阵。此外，模型引入了**动态时序分析模块**，能够跟踪患者指标变化趋势，识别早期脂肪肝向纤维化发展的潜在风险。测试显示，MAOSS对中度以上脂肪肝的检测特异性达85%，较单一超声诊断提升30%。

临床价值：早筛效率与医疗资源优化
脂肪肝在我国成人中患病率超30%，但传统筛查依赖医生经验，效率有限。MAOSS的推广有望实现三方面突破：
1. **基层医疗赋能**：辅助基层医生快速完成初筛，缓解专业放射科资源紧张问题；
2. **病程监控升级**：通过持续数据分析，为患者提供个性化干预建议；
3. **公共卫生管理**：基于区域筛查数据生成流行病学图谱，助力疾病防控规划。

挑战与展望：合规落地与技术迭代
当前MAOSS仍需解决两大挑战：一是医疗数据的**隐私安全与标准化**问题，需通过联邦学习等技术实现合规应用；二是模型在特殊人群（如儿童、孕妇）中的泛化能力有待验证。达摩院团队表示，下一步将联合三甲医院开展万例级前瞻性研究，并探索与便携式超声设备的嵌入式合作。随着AI医疗器械审批通道的完善，此类技术或将在2-3年内进入临床指南推荐体系。

> **行业观察**：MAOSS的出现标志着AI医疗正从“单点突破”转向“全病程管理”。其多模态思路或为糖尿病、心血管疾病等慢性病筛查提供范式参考，但医疗AI的商业化始终需平衡技术激进与临床审慎——唯有通过严苛的循证医学验证，才能真正重塑诊疗生态。