创新背景

肝病在全球范围内每年大约导致200万人失去生命，其中一半死于肝硬化，一半死于病毒性肝炎和肝癌。大多数肝脏疾病的第一个明显特征是健康细胞被疤痕取代后肝纤维化，当肝脏上的疤痕组织没有被及时检测到并且对重要器官的损害无法修复时，就会产生致命的结果。

创新过程

南丹麦大学工程学院的研究人员与欧登塞大学的医学专家合作，利用多种数据和人工智能技术，开发出一种可以及时检测肝纤维化的方法，能够有效排除没有疾病迹象的人群，准确率达到99%，有患病风险的人群可以通过扫描或活检进行检查。

新方法开发了一种使用人工智能的算法，通过检测一系列血液样本和数据来检测疾病。研究团队对3352名志愿受试者进行前瞻性筛查，收集他们的健康信息，包括年龄、性别、体重、血液以及酒精摄入量，构建了6个复杂性不同的集成学习模型。集成学习可以训练多个机器学习算法，确定组合预测的最佳权重，并产生一个通常优于任何单个机器学习算法的集成模型。

新开发的算法基于整体学习方法，能够预测临床上明显的肝脏硬度，在初级保健中可以以较低成本获得患者数据。测试对象包括已经接受治疗的患者、正在接受治疗的患者和随机选择组，因为肝病大多数与酗酒有关，但也有非酒精性肝病，超重、高血压或者糖尿病等都有可能带来肝病风险。

研究人员对人工智能算法的预测结果进行评估，比较标准间接指数、血小板比指数以及AST，判断集成学习模型的能力，有效减少患者数量和不必要的TE检查。研究结果和人工智能模型结合了六种不同的AI分析，可以识别和排除没有这种疾病的人。证明基于负担得起的患者数据计算出的集合学习模型结果可以用于排除明显的活检评估纤维化，它在消除不必要的肝活检方面具有潜在作用。

研究人员下一步会开发分析模型，在外部验证中发挥作用。研究的相关结果《人工智能在识别初级保健中的肝纤维化患者方面优于标准的基于血液的评分》发表在2022年2月21日出版的《科学报告》上。

创新关键点

结合肝纤维化特征和人工智能集成学习能力，开发专门检测肝病风险的人工智能算法，帮助提高肝病检测效率。