全球有超過十億人的肝臟正在發生緩慢而隱蔽的變化。雖然正常健康的肝臟脂肪含量微乎其微，但許多成人甚至兒童的肝臟脂肪含量已超過器官總重量的 5% 甚至 10%。這種不自然的脂肪堆積會引起發炎、細胞損傷以及纖維化疤痕組織的形成，這些都是脂肪肝疾病的典型特徵，目前全球約有 30% 的成年人受到影響。

如果任其發展，漸進式的脂肪堆積最終可能導致肝衰竭，並與心血管疾病和多種癌症的風險增加有關。然而，由於這種疾病通常在發展初期沒有明顯症狀，因此很少能在早期、可治療的階段被發現。即使是肝硬化或晚期肝臟疤痕的病例，也有四分之三的患者直到病情危及生命時才被診斷出來。

因此，越來越多的專家正在研究 AI 如何提供幫助。紐約市立大學公共衛生與健康政策研究所教授 Jeffrey Lazarus 建議，AI 工具可以用來篩選大量的電子健康紀錄，精準找出最有可能累積過量肝臟脂肪的人。Lazarus 表示：「AI 可以回溯性地分析大量的醫院就診記錄和實驗室報告，你可以利用這些數據來真正優先找出哪些人風險最高。」

如果脂肪肝疾病能及早發現，大部分的損害都是高度可逆的。在初期階段，改變生活方式，例如減少酒精攝取、透過飲食改善和運動減重，甚至多喝咖啡，都被證明能夠逆轉疤痕和發炎。即使對於中度至晚期肝臟疤痕的患者，新型治療方法如 GLP-1 藥物 semaglutide 和一種名為 resmetirom 的藥物也已被證明是高效的治療方案。

Lazarus 說：「肝臟是一個非常多功能且有趣的器官，因為它可以再生，纖維化可以逆轉，你可以完全恢復健康。」他補充道：「但傳統上，我們更側重於晚期照護，試圖延長患者的生命，而不是在早期發現並預防病情惡化。」

Lazarus 和其他人的困擾之一是，儘管存在簡單、非侵入性的肝臟健康評估方法，但它們卻很少被使用，即使是在已知脂肪肝疾病後果風險高得多的人群中，例如肥胖和第二型糖尿病患者。

例如，Fib-4 指數透過計算一個介於 0 到 6 之間的分數，根據年齡、兩種肝臟酵素水平和血液凝血能力來評估一個人罹患晚期肝纖維化的風險。這需要醫師進行肝臟血液檢查，這在美國通常是年度健康檢查的一部分。醫師還可以利用一種更準確的二線血液檢查，稱為增強型肝纖維化測試（enhanced liver fibrosis test），它測量兩種參與疤痕組織形成和一種抑制肝臟疤痕清除的酵素水平。

結合使用這兩種測試，已被證明能將肝臟脂肪過量患者的晚期纖維化診斷率提高四倍。然而，對於面臨日益繁重工作量和行政負擔的醫師來說，僅僅在工作流程中增加更多檢測，並非一個可持續的選擇。耶魯大學醫學教授 Jonathan Dranoff 表示：「你必須擁有可以在後台運行或只需輕按按鈕即可完成的工具。」

因此，Dranoff 和 Lazarus 都預見 AI 將發揮作用，利用常規血液檢查的現有數據，自動計算 Fib-4 分數，使基層醫師更容易識別出應轉診給肝臟專科醫師的正確患者。

AI 還可以利用 X 光影像來做到這一點。去年，日本大阪市立大學的科學家發表了一項研究，他們使用一個 AI 模型，能夠攝取和分析常規胸部 X 光掃描。雖然這些影像主要用於檢查肺部和心臟，但它們也會捕捉到部分肝臟。研究人員發現，他們的模型能夠以 82% 的準確度識別出脂肪肝疾病患者。

Lazarus 建議，AI 驅動的演算法可以整合到所有常規 X 光分析中，當肝臟與其他器官一起被掃描時。Lazarus 說：「AI 可以檢測出肝臟脂肪過量的病例，檢查其他風險因素，例如患者是否超重、膽固醇高或患有第二型糖尿病，然後向醫師提出建議。」他補充道：「它可以告訴醫師，『這可能不是您正在尋找的，但這是檢測到的結果，您應該轉診給肝臟科或內分泌科進行進一步檢查。』」

針對常規血液檢查訓練 AI 演算法，也開始為進行性脂肪肝疾病帶來更好的診斷。雖然 Fib-4 是一種快速且低成本的工具，但在某些年齡組（如青少年和老年人）中準確性較低，且研究對其假陽性率和不必要的轉診率（除非結合額外測試）提出了擔憂。

因此，丹麥健康科技新創公司 Evido 開發了一款名為 LiverPRO 的 AI 演算法，可以根據患者的年齡和九種常規血液生物標誌物評估其肝纖維化風險。該產品目前正與製藥公司 Roche 合作進行商業化，並已證明在預測超過 47 萬名中年人嚴重肝臟問題的風險方面優於 Fib-4。

其他基於 AI 的測試還可以幫助醫師選擇最適合 resmetirom 治療的患者，而無需進行侵入性肝臟切片檢查。今年稍早，一個國際肝臟病學家團隊發表了一項研究結果，評估一個名為 ALADDIN 的 AI 模型，這是另一個基於常規血液檢查的機器學習演算法，結果顯示它在識別最能從該藥物中受益的患者方面，表現優於 Fib-4 和其他風險評分。

鄧迪大學胃腸病學、肝臟病學和內科專科註冊醫師 Paul Brennan 表示：「這些工具不會完全取代切片檢查或影像學檢查。」他指出：「但它們可以解決基層醫療中大多數纖維化未被發現的瓶頸。我預計它們將被採用為更智慧的第一步篩檢，捕捉那些較鈍的工具可能遺漏的中度風險患者，並減少不必要的肝臟專科轉診。」

迄今為止，AI 在肝臟照護中的應用主要局限於研究，但 Lazarus 樂觀地認為這種情況很快就會改變。他指出丹麥進行的一項研究發現，告知人們患有肝纖維化會讓他們更有可能遵守飲食和運動方案。Lazarus 說：「我們一直在尋求改善人們對健康飲食和更多體能活動的依從性，告訴某人他們可能患有或確實患有肝病是實現這一目標的一種方式。」

對於應對日益增長的慢性病負擔的醫療保健系統來說，在脂肪肝疾病的早期階段識別和治療患者將節省大量的資金。Lazarus 說：「我很樂意說，讓我們回溯美國各醫療系統的電子病歷，在患者出現肝硬化之前就找到他們。」他補充道：「肝臟移植在任何國家都非常昂貴，尤其是在美國。因此，從人道和經濟角度來看，都有充分的理由更早地發現患者。」