日本研究人员开发了一种基于常规胸部X射线检测脂肪肝的AI模型，该方法突破性地利用非靶向影像实现肝脏疾病的早期筛查。该模型通过在Juzenkai医院收集的10,842例男性15年间胸部X光数据集进行训练，采用DICOM格式的DR摄影图像构建深度学习算法，可准确识别肝脂肪变性特征。临床验证显示该模型对代谢相关脂肪性肝病（MAFLD）的诊断具有高灵敏度，其核心创新在于通过BMI≥25 kg/m²等代谢参数与影像特征的关联分析实现疾病分类。
与传统方法相比，该技术具备三大优势：
1. **成本效益**：规
目前诊断脂肪肝的标准检测手段超声、CT和MRI需要昂贵专业设备，而胸部X光检查具有高频次、低成本和辐射剂量小的优势。尽管该检查主要用于评估心肺状况，但其影像范围覆盖部分肝脏区域，为脂肪肝筛查提供了可能性。大阪都立大学医学研究科的Sawako Uchida-Kobayashi副教授和Daiju Ueda副教授团队开发了基于胸部X射线图像检测脂肪肝的AI模型。
这项回顾性研究采用包含4,414名患者的6,599张胸部X光影像，结合受控衰减参数（CAP）评分开发AI模型，验证显示其接收者操作特征曲线下面积（AUC）达到0.82-0.83的高精度水平。研究证实AI模型能有效识别肝脏区域脂肪浸润特征，与磁共振质子密度脂肪分数（MRI-PDFF）等金标准具有良好相关性。
关键技术突破与创新性
- 影像特征提取优化：通过深度卷积神经网络（DCNN）自动定位肋膈角区域的肝影部分，结合多视角集成学习（MEL）算法增强肝脏脂肪浸润特征的捕获能力
- 模型泛化能力提升：采用迁移学习技术应对多中心数据异质性，模型在独立验证集中保持稳定诊断效能（敏感度92%-94%，特异度93%-96%）
- 定量评估创新：首次将CAP评分系统与X光灰度值建立映射关系，实现从定性诊断到半定量评估的跨越
临床应用价值
- 机会性筛查场景：在常规胸部体检中同步完成脂肪肝初筛，避免额外检查辐射（据研究显示CT筛查骨密度增加10HU可使骨质疏松风险降低32%-44%）
- 高危人群监测：针对代谢综合征患者，AI模型可动态追踪肝脏脂肪含量变化，较传统超声检查提升轻度脂肪变识别灵敏度达40%
- 资源配置优化：相较MRI单次检查费用（约300-500美元），X光联合AI诊断成本下降80%以上
Uchida-Kobayashi教授指出，该技术的核心优势在于突破传统影像模态限制，利用广泛普及的检查设备实现大规模筛查。未来将通过前瞻性多中心研究验证临床转化价值，并探索与电子健康档案系统整合的可能性。