在全球范围内，超过十亿人的肝脏成分正发生一种缓慢而隐匿的变化。正常健康的肝脏中脂肪的存在是微不足道的，而许多成年人甚至儿童的肝脏中脂肪的比例超过了器官总重量的5%甚至10%。不自然的脂肪存在会导致炎症、细胞损伤以及称为纤维化的瘢痕组织形成，所有这些都是脂肪肝病的特征，这种情况目前影响着全球约30%的成年人。如果任其发展，逐渐累积的脂肪最终可能导致肝功能衰竭，并且与心血管疾病和各种癌症的风险增加有关。但这种情况通常在没有明显症状的情况下发展，因此很少在早期和可治疗阶段被发现。即使在肝硬化或肝脏严重纤维化的病例中，四分之三的人也只在其状况变得危及生命后才被诊断。因此，越来越多的专家正在研究人工智能如何提供帮助。杰弗里·拉扎鲁斯（Jeffrey Lazarus），市立大学公共卫生与健康政策研究生院的教授，建议可以使用人工智能工具梳理大量的电子健康记录，并找出那些可能已经积累了令人担忧的肝脏脂肪的人。“人工智能可以回顾大量的医院就诊和实验室报告，”拉扎鲁斯说。“可以利用这些信息真正优先考虑高风险的人。”如果脂肪肝病能够及早识别，大部分损害是高度可逆的。在初始阶段，减少酒精摄入、通过改善饮食和锻炼减肥、甚至多喝咖啡等生活方式改变已被证明能够逆转纤维化和炎症。即使对于纤维化中度到严重的人，像GLP-1药物半胱氨酸（semaglutide）和一种名为resmetirom的药物已被证明是非常有效的治疗手段。“肝脏是一个非常多功能和有趣的器官，因为它可以再生，纤维化也可以逆转，你可以完全健康，”拉扎鲁斯说。“但传统上，我们更多地关注晚期护理，而不是尽早发现患者并防止病情进一步恶化。”拉扎鲁斯和其他人的一个挫败感是，尽管存在简单、无创的肝脏健康评估手段，但它们很少被使用，即使在已知面临脂肪肝病后果风险更高的人群中，如肥胖和2型糖尿病患者。例如，Fib-4指数通过根据患者的年龄、两种肝酶的水平和血液凝固能力计算出0到6之间的得分，来评估一个人进展性肝纤维化的风险。这要求医生进行肝脏血液测试，这在美国通常作为年度体检的一部分进行。医生们还可以获取一种更精确的第二类血液测试，即增强型肝纤维化测试，该测试测量参与形成瘢痕组织的两种蛋白质水平以及一种抑制肝脏瘢痕清除的酶。使用这两种测试对具有令人担忧的肝脏脂肪水平的患者进行检查，已被证明能将对进展性纤维化的诊断提高四倍。但对于面临日益增长的工作负担和行政负担的医生来说，简单地将更多的测试增加到工作流程中并不是一个可持续的选项。“你必须有一些可以在后台运行的东西，否则很容易只是点击一下按钮就好了，”耶鲁大学医学教授乔纳森·德拉诺夫（Jonathan Dranoff）说。因此，德拉诺夫和拉扎鲁斯都预测人工智能将在利用常规血液测试的数据并自动计算Fib-4得分方面发挥作用，从而使初级保健医生更容易识别合适的患者并转诊给肝病专家。人工智能还可以利用X光图像做到这一点。去年，日本大阪市立大学的科学家发表了一项研究，使用一种能够摄取和分析常规胸部X光扫描的人工智能模型。尽管该研究主要旨在检测肺部和心脏，但这些图像也能捕捉到肝脏的部分。研究人员发现，他们的模型能够以82%的准确率识别脂肪肝患者。拉扎鲁斯建议，基于人工智能的算法可以被纳入所有常规X光分析中，当肝脏与其他器官一起扫描时。“人工智能可以发现肝脏脂肪超标的病例，检查其他风险因素，例如这个人是否超重、胆固醇高或有2型糖尿病，然后向医生提出建议，”拉扎鲁斯说。“它可以告诉他们，‘这可能不是你要找的，但这是发现的，你应该转诊肝脏病科或内分泌科。’