APASL 2025青年研究者奖丨魏廷洋：AI透视下的肝硬化预后“秘籍”

摘要：在探索肝硬化预后评估的道路上，北京大学医学部临床医学八年制本科生魏廷洋与同学携手，凭借创新性的研究成果，在APASL 2025 BEIJING Young Investigator Award（APASL青年研究者奖）评选中脱颖而出。通过深入肝硬化患者的CT体

在探索肝硬化预后评估的道路上，北京大学医学部临床医学八年制本科生魏廷洋与同学携手，凭借创新性的研究成果，在APASL 2025 BEIJING Young Investigator Award（APASL青年研究者奖）评选中脱颖而出。通过深入肝硬化患者的CT体成分研究，成功构建了BCOS评分体系。魏廷洋的科研之旅，从对人工智能技术的敏锐洞察起步，到将深度学习技术融入医学研究，展现了青年学者的敏锐洞察力与创新精神。

这项获奖研究的开展缘于一年多前与杨宇腾、铁昌杰共同筹备大学生创新实验项目期间，三人联系了北京大学肝病研究所黄睿老师。黄睿对他们进行了系统的科研培训，从文献查阅与阅读方法开始指导。在每周的文献学习过程中，研究团队了解到：肝硬化是全球范围内的重要公共卫生问题，目前已成为全球第十一大死因，并带来沉重的卫生经济负担。如何更精准评估肝硬化患者预后是全球肝病研究者关注的核心问题之一。CT扫描作为临床常规检查手段，已被证实可有效预测肌少症、肌肉脂肪化等与肝硬化预后相关的体成分指征。当前肝硬化预后常用的MELD评分虽整合了生物标志物，但因忽略基于CT的体成分指标，可能限制其预后准确性。因此，团队亟需整合CT提供的体成分指标，构建可用于肝硬化预后的体成分评分，弥补现有模型的不足。

在北京大学肝病研究所王子兴副研究员、放射科杨硕副主任医师的指导下，研究团队对所有入选肝硬化患者的CT图像进行勾画，获取八项体成分指标（SMA、SATA、VATA、SMI、SATI、VATI、VSR、SMD），并收集生物标志物信息，最终筛选769个样本用于数据分析。基线数据表初步证实体成分指标与肌少症、肌肉脂肪化存在关联，进一步关联性分析显示各指标均具备显著预后分层效果。研究发现，八项指标间存在复杂关联性，可能分别代表体成分的不同维度，导致数据结果错综复杂。经反复分析后，团队采用主成分分析法，成功将八项指标降维为三个综合维度（PC1、PC2、PC3），分别代表脂肪综合指数、脂肪差异指数、肌肉综合指数，在保留大部分原始信息的同时实现独立预后效果。进一步降维后得到最终BCOS评分。验证结果表明，BCOS与PC2可预测肝硬化患者全因死亡率，PC2对肝因死亡预后同样具有显著性。生存分析显示，BCOS分层预后效果优于MELD评分。这一发现为肝硬化预后研究提供了重要突破，通过基于CT快速生成的BCOS评分，弥补了现有预后模型的缺陷。

在研究过程中，数据的复杂性成为了他们遇到的最大挑战。团队需整合大量体成分指标与生物标志物，并应对指标间的高度相关性，导致初期分析困难重重。最终在王子兴副研究员指导下，团队通过深入关联性分析，利用主成分分析方法成功简化数据结构，建立更易应用的BCOS评分体系。

CT作为肝硬化患者临床常规检查项目之一，其经济性、便捷性为BCOS评分的应用提供了广阔场景。研究团队认为，结合当前人工智能技术，未来肝硬化预后评估将更加精准高效，患者管理也将趋于科学与便捷。

任何科研进展都会有一个“Trigger Point”，魏廷洋开展该研究的“Trigger Point”源于对人工智能发展现状的深入调研。当时，他在阅读关于AI技术突破的报道时发现，人工智能已实现从语言模型进展到可以识别声音图像，随即萌生将其应用于医学领域的构想。在黄睿教授指引下，魏廷洋系统性查阅文献后发现，深度学习技术虽已广泛应用于临床各领域，CT影像分析更成为重点方向，但肝硬化预后评估领域仍存在研究空白。研究困境源于CT图像提供的体成分指标与主流MELD评分体系间的数据维度差异，导致两者难以直接关联分析。在黄睿教授的启发与支持下，研究团队成功申报《基于深度学习技术的肝硬化患者体成分数据分析与预后模型构建》大学生创新实验项目，并获得北京大学医学部立项。项目启动阶段，团队决定从基础体成分指标着手，逐步构建基于CT的预后模型BCOS，该策略为后续创新实验项目的推进奠定了技术基础。

魏廷洋坦言，获奖更多是意外之喜。当时他正查阅学术会议演讲场次安排，意外发现名单中自己姓名重复出现，经仔细核对确认并非重名后，惊讶随即转为惊喜，并迅速将获奖页面截图转发至导师，收到导师的点赞。

该奖项对魏廷洋而言，既是对科研付出的认可，亦是对未来的鞭策。这项荣誉也引发魏廷洋的深度自省——“是否真正匹配‘青年研究者’称号？”“能否持续保持科研热忱并产出有价值的成果？”这些反思使他更坚定提升学术能力的决心，立志在科研道路上深耕前行。

魏廷洋强调，荣誉亦转化为突破困境的动力。科研历程常伴随数据建模瓶颈、实验停滞期甚至自我质疑，但正是这些挑战令突破更具价值。目前，他主导参与的大学生创新课题中，基于深度学习的体成分模型训练已初现成果。未来计划与杨宇腾、铁昌杰继续合作，在黄睿、王子兴、杨硕三位老师指导下，持续推进人工智能与影像技术在疾病预后领域的研究。他直言，未来目标不仅止于论文发表，更期待成果能切实落地临床，为肝病诊疗提供科学助力。