News Medical 2026年7月23日报道，代谢功能障碍相关脂肪性肝病（MAFLD）是慢性肝病的重要原因之一，临床上需要更容易获得、创伤更小、成本更低的筛查工具。报道介绍了一项发表于Journal of Clinical and Translational Hepatology的研究，研究团队尝试把中医舌象的客观图像特征与常规临床数据结合，建立可解释的多模态深度学习模型，用于MAFLD辅助筛查和诊断。
研究从904名筛查对象中纳入477人，其中健康对照157人、MAFLD患者320人。受试者接受标准化舌象拍摄，研究者提取国际照明委员会L*a*b色彩特征，并同时收集临床评估数据。样本被按8:1:1比例分配至训练集、验证集和测试集，模型采用双通路结构：一条通路使用ConvNeXt-Tiny处理舌象图像，另一条通路使用多层感知机处理临床变量，再通过动态仿射特征转换模块进行融合。
报道称，与健康对照相比，MAFLD患者表现出明显代谢异常。随着纤维化进展，舌象黄色程度相关的b*值呈逐步下降趋势。在独立测试集48例样本中，多模态模型的准确率为97.92%，二次加权Kappa值为0.9538，敏感性为96.88%，特异性为100%，表现优于单一模态模型和血清学模型。可解释性分析显示，模型关注的舌象区域和代谢指标与临床相关特征相符。
研究作者认为，这一模型把客观化舌象特征与常规代谢指标结合，提供了一种面向临床的辅助筛查思路。报道也特别提到，这类工具如果进一步验证，可能适用于医疗资源有限地区，因为舌象采集相对简便，常规临床数据也较容易获得。
需要强调的是，这项研究仍属于模型开发与验证阶段，独立测试集规模较小，且报道材料未显示其已经在多中心真实临床流程中接受前瞻性验证。当前结果不能替代肝脏影像、实验室检查或医生诊断，也不能说明舌象本身可单独诊断MAFLD。后续仍需更大样本、不同人群和外部队列验证模型稳定性，并明确其在筛查路径中的具体位置。
原文链接：http://www.news-medical.net/news/20260723/New-model-holds-promise-as-a-non-invasive-low-cost-tool-for-MAFLD-screening.aspx
免责声明：本文仅供医学资讯参考，不构成诊疗建议。
