AI驱动的舌象与临床指标多模态融合技术：探索MAFLD患者冠状动脉疾病风险的创新筛查策略

本研究针对代谢功能障碍相关脂肪性肝病(MAFLD)患者冠状动脉疾病(CAD)风险筛查的临床需求，创新性地将中医舌诊与现代AI技术相结合。研究人员开发了两种深度学习模型：非侵入性模型（舌象+人口统计学数据）和综合模型（舌象+血液生物标志物），分别实现0.858和0.933的AUC值。该研究为MAFLD患者CAD风险分层提供了兼具可及性和精确性的双重解决方案，同时为中医舌诊的现代化应用提供了实证依据。

　　

代谢功能障碍相关脂肪性肝病(MAFLD)已成为全球公共卫生挑战，其与冠状动脉疾病(CAD)的密切关联尤其令人担忧。尽管心血管事件是MAFLD患者的主要死因，但现有风险评估工具存在明显局限：传统评分系统可能低估风险，而颈动脉超声等检查又面临医疗资源限制。更棘手的是，MAFLD患者多在肝病科就诊，如何在这类人群中高效识别CAD高风险个体成为临床难题。

中国人民解放军总医院第五医学中心肝病研究所的团队独辟蹊径，将中医舌诊这一古老诊断方法与现代人工智能技术相结合。他们开发的双模型框架创新性地实现了"社区筛查"与"精准评估"的有机结合：Model-1仅需舌象照片和基础临床资料即可实现0.858的AUC值，而整合血液指标的Model-2更将性能提升至0.933。这项发表在《iLIVER》的研究不仅为临床实践提供了实用工具，更通过现代技术验证了中医理论的科学价值。

研究团队采用了多项关键技术：1）使用专用设备(YZAI-01)标准化采集1073例MAFLD患者舌象；2）基于ResNet18网络提取舌象特征；3）开发跨注意力网络实现舌象与临床数据的多模态融合；4）采用10折交叉验证和焦点损失函数解决数据不平衡问题；5）应用Grad-CAM和SHAP方法增强模型可解释性。

【临床与生化特征】数据分析显示，CAD阳性MAFLD患者具有显著特征：91.6%年龄>50岁，高血压(66.4%)和糖尿病(39.7%)患病率更高，中性粒细胞-淋巴细胞比值(NLR)和肝纤维化指数(FIB-4)显著升高，而ALT、AST等肝酶水平反而降低。这些发现揭示了MAFLD-CAD患者独特的代谢炎症特征。

【模型性能】Model-1(非侵入性)和Model-2(综合性)分别达到0.858和0.933的AUC值。值得注意的是，Model-2在乙肝病毒携带者亚组中表现出83.9%的灵敏度，显著优于Model-1的51.7%，显示出血清生物标志物对特定人群的增量价值。

【模型解释】可视化分析揭示了关键预测特征：舌体特定区域的色泽变化与CAD风险密切相关。SHAP分析则显示，年龄、吸烟史等临床因素在Model-1中贡献突出，而Model-2中碱性磷酸酶(ALP)、淋巴细胞计数等血液指标占据重要地位，这些发现为理解MAFLD-CAD的病理机制提供了新线索。

这项研究的重要意义体现在三个维度：临床层面，首次建立了适用于MAFLD人群的CAD风险分层工具；方法学层面，开创了中医舌诊与现代AI融合的新范式；科学层面，通过可解释AI揭示了舌象特征与系统性炎症、代谢紊乱的潜在关联。研究者特别指出，Model-1的简便性使其适合基层推广，而Model-2的高精度则能满足专科需求。

当然，研究也存在一定局限，如单中心设计可能影响模型泛化能力，横断面数据无法评估长期预测价值等。未来研究需通过多中心验证和机制探索来完善这一创新体系。总体而言，该工作为代谢性肝病与心血管疾病的跨学科管理提供了突破性解决方案，也为中医药现代化研究树立了典范。