开发一种人工智能算法，用于在电子健康记录中早期识别代谢性肥胖综合征（MASLD）

《Hepatology Communications》：Development of an AI algorithm for early identification of MASLD in the electronic health record

代谢性肝脂肪变性（MASLD）早期诊断率低，本研究开发基于自然语言处理（NLP）和SQL的AI算法，通过电子健康记录（EHR）检索影像学 steatosis 报告及代谢指标，经4次迭代优化后算法PPV达93.4%，NLP识别steatosis的PPV达99.4%。在6个月队列中识别出957例MASLD，但仅14.6%有相关ICD诊断代码，显示临床漏诊严重。研究证实AI工具可有效辅助MASLD筛查，改善早期干预率，并开源算法供医疗机构应用。

　　
### 研究背景与意义
代谢功能障碍相关脂肪肝病（Metabolic Dysfunction-Associated Steatotic Liver Disease, MASLD）已成为全球慢性肝病的主要驱动因素。据估计，美国成年人群中MASLD患病率高达31%，其经济负担每年超过1000亿美元，主要源于肝移植和长期疾病管理。尽管MASLD定义为存在代谢异常（如肥胖、糖尿病、血脂异常等）且影像学显示肝脂肪浸润的肝脏疾病，但在临床实践中，这一诊断长期依赖非酒精性脂肪性肝病（NAFLD）的旧标准，导致漏诊和诊断滞后。研究显示，超过66%的晚期肝硬化患者首次确诊MASLD前未接受过任何相关诊断，而初级医疗机构中MASLD漏诊率高达26%-45%。此外，MASLD相关ICD编码的缺失严重制约了基于电子健康记录（EHR）的流行病学研究，影响早期筛查和干预策略的制定。

### 研究方法与技术创新
本研究团队通过自然语言处理（NLP）技术构建了首个针对MASLD的AI算法，其核心创新在于将非结构化临床数据（如影像报告、电子病历文本）转化为结构化诊断依据。具体方法包括：
1. **数据整合**：依托西雅图大学医学中心（UWMC）的Epic系统，整合影像报告（超声、CT、MRI）、实验室数据（血糖、血脂、HDL）及临床文档（如饮酒史记录）。
2. **NLP算法开发**：
- **影像报告解析**：利用正则表达式识别影像学描述中的“脂肪浸润”“肝细胞气球样变”等关键术语，准确率达99.4%。
- **酒精使用排除**：通过双重验证（ICD编码筛查+文本模式识别）排除酒精相关肝病，最终排除率高达95%。
3. **迭代优化机制**：通过4轮人工复核（由两位肝科医师独立验证），逐步调整NLP规则，将算法总阳性预测值（PPV）从初始的82.7%提升至93.4%，同时确保酒精使用排除的阴性预测值（NPV）稳定在94%以上。

### 核心发现与临床启示
1. **诊断漏诊现状**：在2023年12月至2024年5月的6个月观察期中，算法识别出957例MASLD患者，但仅14.6%（140例）有对应ICD编码。这表明传统依赖编码的诊断模式严重低估了MASLD的真实患病率。
2. **人群特征分析**：
- **性别与种族分布**：男性占比43.6%，白人占68.3%，与慢性肝病总体人群特征一致。
- **代谢指标异常**：中位BMI达31.3 kg/m2（肥胖标准），57.1%未进行HCV筛查（低于美国预防服务工作组推荐率），且ICD编码组患者的专科就诊率（55%）显著高于未编码组（25.6%）。
3. **时间延误问题**：26例患者在初次影像发现脂肪肝后3个月以上才获得MASLD诊断，最长延迟达145天。这提示影像科与临床科室的信息孤岛问题亟待解决。

### 技术优势与局限性
1. **技术优势**：
- **非结构化数据处理**：突破传统EHR检索依赖编码的局限，直接解析影像报告和病历文本中的语义信息。
- **动态校准机制**：通过人工复核反馈持续优化NLP规则，例如修正对“少量饮酒”与“重度饮酒”的文本特征差异的识别。
- **跨机构适配性**：采用SQL与Python混合编程，兼容Epic等主流EHR系统，开源代码已实现技术迁移。
2. **局限性**：
- **数据来源限制**：仅覆盖UWMC内部数据，未纳入转诊患者或区域外医疗机构记录。
- **诊断标准简化**：未纳入血压或血脂药物使用标准（因数据抓取难度），未来可扩展为完整AASLD标准。
- **前瞻性不足**：未验证算法在队列管理中的长期效果，需后续跟踪疾病进展。

### 对临床实践与政策制定的影响
1. **筛查流程优化**：建议将影像报告自动解析纳入常规流程，对高风险人群（如BMI≥30、糖尿病前期）实施影像筛查，结合NLP算法实现早期预警。
2. **编码规范改革**：推动ICD编码系统纳入MASLD特异性诊断代码，避免因编码缺失导致的误诊。
3. **专科资源分配**：研究显示，ICD编码组患者的肝胆专科就诊率是未编码组的2.3倍，提示需建立跨科室协作机制，将NLP算法嵌入初级诊疗场景。
4. **预防医学实践**：建议将HCV筛查纳入MASLD管理标准，结合美国预防服务工作组建议（所有成年人至少一次HCV检测），降低肝硬化和肝癌风险。

### 未来研究方向
1. **算法升级**：探索大语言模型（LLM）在复杂文本理解中的应用，提升对罕见描述（如“隐匿性酒精暴露”）的识别能力。
2. **纵向研究**：跟踪算法识别的957例患者，评估早期干预对疾病进展的影响（如糖尿病转化率、肝纤维化风险）。
3. **多中心验证**：计划与3家三甲医院合作，测试算法在不同EHR系统中的泛化能力，目标将PPV提升至95%以上。
4. **政策倡导**：推动将MASLD诊断标准纳入临床路径指南，并建立基于NLP的自动化上报系统。

### 总结
本研究首次系统验证了NLP技术在MASLD诊断中的应用价值，其93.4%的PPV和99.4%的影像识别准确率标志着AI在肝病筛查中的突破性进展。算法成功识别出传统编码漏诊的84.3%患者（140/957），且在排除酒精相关病例时保持94%的可靠性。这些发现不仅为流行病学研究提供了新型数据采集工具，更直接指向临床实践中的三个关键改进方向：**影像报告语义化处理**、**ICD编码标准化**、**跨学科诊疗流程再造**。随着更多医疗机构采用此类AI工具，MASLD的早期识别率和患者管理效率有望实现质的飞跃。