编者按
随着科技的飞速发展，人工智能（AI）已渗透到社会生活的各个领域，其在医学领域的应用尤为引人注目。AI技术凭借其强大的数据处理能力和模式识别能力，正在逐渐改变着传统医学的诊断、治疗和管理方式。在医学领域，AI技术已广泛应用于影像分析、疾病预测、个性化治疗方案的制定等多个方面。例如，通过深度学习算法，AI可以自动识别医学影像中的病变特征，提高诊断的准确性和效率；利用大数据分析，AI可以预测疾病的发生风险，为早期干预提供依据。
3月26日，2025亚太肝病学会年会（APASL 2025）在北京隆重召开。会上，AI在肝病领域的应用更是成为了热点话题。多项研究表明，AI在肝病预测、诊断、治疗及患者管理等方面均展现出了巨大的潜力。从慢加急性肝衰竭（ACLF）的死亡率预测到肝细胞癌（HCC）的预后评估，AI技术均表现出了超越传统方法的精准性和高效性。这些最新进展不仅为肝病的精准医疗提供了有力支持，也预示着AI在医学领域更广泛的应用前景。
其中，一项来自韩国的研究团队在题为《基于人工智能的ACLF预测和治疗决策框架：来自KACLiF队列的见解》的研究壁报（大会编号：EP0756）中，介绍了一种新型AI模型。该模型利用ACLF患者的数据，成功预测了患者的短期和长期死亡率。结果显示，AI模型在预测30天和90天死亡率方面表现优于传统模型，如MELD、MELD-Na、MELD 3.0以及CLIF-ACLF和CLIF-SOFA评分系统。这一突破为ACLF患者的透析治疗和肝移植时机的选择提供了更为准确的工具，有助于改善患者的生存状况。
研究重要图表摘要
（源自APASL 2025会议）
另一项由中国研究团队进行的研究则聚焦于HCC的预后预测。这篇题为《基于机器学习-基因组学评分（MLGS）的HCC预后预测及空间蛋白质组学研究》的研究壁报（大会编号：EP0891）中，研究人员通过分析转录组数据，构建了一个MLGS模型来预测HCC患者的预后。该模型在多个独立队列和全癌队列中均表现出高准确性，并揭示了肿瘤微环境中的细胞异质性和空间异质性。此外，研究还发现低MLGS分数的患者可能在免疫细胞浸润和免疫治疗反应方面表现更佳，提示这些患者可能更适合接受免疫治疗。这一发现为HCC患者的个性化治疗提供了新的思路。
研究重要图表摘要
（源自APASL 2025会议）
与此同时，AI在肝病诊断方面的应用也备受瞩目。一项研究回顾了近年来AI在肝病诊断中的进展（大会编号：EP1033），指出AI技术通过机器学习（ML）、深度学习（DL）和自然语言处理（NLP）等方法，在影像分析、生物标志物识别和临床决策支持等方面取得了显著成果。例如，卷积神经网络（CNN）在区分肝脏病变和评估纤维化严重程度方面达到了90%以上的准确率；DL模型则通过减少活检分析中的变异性，提高了组织病理学的分类准确性。这些技术的应用不仅提高了肝病诊断的准确性和效率，还有助于优化患者的临床治疗方案。
此外，AI在肝病管理中的其他方面也展现出巨大潜力。例如，AI可以用于监测和评估患者的病情进展，及时发现并处理并发症；通过整合和分析患者的遗传信息、临床数据和影像资料，AI还可以为患者提供个体化的治疗方案；在药物研发方面，AI能够辅助研究人员发现新的药物靶点，预测药物活性，优化药物结构，从而加速新药的研发进程。
尽管AI在肝病领域的应用前景广阔，但仍面临一些挑战。例如，数据质量、算法透明度、伦理问题等仍是制约其临床应用的重要因素。因此，未来的研究需要关注如何克服这些挑战，进一步提高AI模型的准确性和可靠性，推动其在肝病领域的广泛应用。相信随着技术的不断进步和研究的深入，AI在肝病领域的应用将更加广泛和深入。未来，AI有望成为肝病精准医疗的重要工具，为患者提供更加精准、高效的医疗服务。
参考文献：
1. Seong Hee Kang, Young Kul Jung, Jong Jin Hyun, et al. An Artificial Intelligence-Driven Predictive and Therapeutic Decision Framework for Acute-on-Chronic Liver Failure: Insights from the KACLiF Cohort. APASL 2025 Abstract: EP0756
2. Peizhen Wen, Hui Qian. Multicenter Queue-Based Explainable Artificial Intelligence Model for Liver Cancer and Spatial Proteomics Feature Study. APASL 2025 Abstract: EP0891
3. YunLong Yao, Xi Zhang, ChenYu Fei, et al. The Application of Artificial Intelligence in Liver Disease Diagnosis: Opportunities and Limitations. APASL 2025 Abstract: EP1033