编者按：近日，第76届美国肝病研究学会年会（AASLD 2025）圆满落幕。作为全球肝病领域的顶级学术盛会，本届大会汇聚了基础研究、临床诊疗及跨学科技术的最新成果，成为引领领域发展的核心风向标。会上，中国香港大学深圳医院/中国香港大学司徒伟基（Wai-Kay Seto）教授科研团队有多项研究入选，涉及代谢相关脂肪性肝病（MASLD）、肝细胞癌（HCC）、人工智能大模型等多个领域。为深入解读大会核心热点、创新成果及未来研究方向，我们特别邀请到司徒伟基教授围绕大会重点研究方向、突破性成果、MASLD 预防新发现及AI在HCC病理诊断中的应用展开深度访谈，为肝病领域同仁提供前沿临床参考与研究启示，相关内容分享如下。

《国际肝病》

作为肝病领域的专家，请您谈谈本届大会中哪些研究方向或主题最吸引您的关注？这些领域近年来出现了哪些值得注意的发展趋势或转变？

司徒伟基教授：本届AASLD大会清晰呈现了肝病领域研究方向的明显转变，多个细分领域的研究热度与核心重点均发生明显偏移。首先，酒精性肝病已从以往研究相对局限的状态，跃升为当前的新兴重点方向。当前研究聚焦于疾病诊断的关键环节，例如如何精准追溯患者饮酒史、筛选可预测饮酒量的生物标志物，同时深度探索酒精性肝病与MASLD的内在关联。近年来，随着MASLD发病率居高不下，临床对“酒精性脂肪肝与MASLD是否存在协同致病作用”以及“针对MASLD的治疗策略能否迁移应用于酒精性脂肪肝”等交叉问题的关注度持续攀升，可以预见，这一领域也将成为未来数年的核心探索方向。

其次，GLP-1类药物在肝病领域的应用研究热度显著升温。目前已有研究证实，GLP-1 类药物对合并纤维化的代谢相关脂肪性肝炎（MASH）具有明确疗效，但其对全身健康的长期影响如何？长期随访效果如何？都需要更长远的研究探索。

此外，慢性乙型肝炎领域的新药研发节奏明显加快，本届大会有多款处于Ⅱ期临床试验阶段的新药研究数据发布。可以预见，未来几年乙肝新药的Ⅲ期临床试验数量将显著增加。

最值得关注的是，原发性硬化性胆管炎（PSC）的治疗研究迎来突破性契机。作为长期缺乏有效治疗手段的难治性疾病，本届大会首次公布了一款潜在有效药物的研究数据。这一进展或将填补PSC治疗领域的空白，标志着该疾病从“无药可治”向“精准干预”迈出关键一步，为广大患者带来新的生存希望。

《国际肝病》

在您关注的领域中，本届大会上哪些研究成果或临床数据最具创新性和影响力？这些突破性进展对肝病诊疗实践可能产生怎样的改变？

司徒伟基教授：在本届大会已披露的研究方向中，最具创新性与临床影响力的成果，当属首次公布的PSC相关药物的研究结果。这一研究不仅在作用机制探索上实现关键突破，更有望直接重塑PSC 的临床诊疗格局。

该药物在前期临床观察中，研究团队意外发现其对胆管疾病具备潜在调控功效，进而针对性开展了PSC专项研究。若此次大会公布的核心数据能证实其对PSC的明确疗效，将成为该疾病治疗领域的里程碑式突破。因为PSC患者群体虽不算庞大，但长期深陷“无药可治”的困境，多数患者需依赖肝移植维系生命，且移植后仍面临不低的疾病复发风险。如果新药的临床有效性得到确认，将彻底改写PSC的诊疗模式：一方面可显著减少患者对肝移植的依赖，降低等待移植期间的死亡风险；另一方面能通过精准控制疾病进展，有效提升患者生活质量，甚至可能延长生存期。此外，还可为其他难治性肝病的药物研发提供极具价值的“老药新用”思路借鉴。

《国际肝病》

同时，我们祝贺您的一项关于乳酸乳球菌合生元可用于预防MASLD的研究荣获大会研究者奖。这项研究发现对人类MASLD的预防或管理有何启示？后续转化研究需重点关注哪些方向？

司徒伟基教授：长期以来，临床对MASLD的管理常聚焦于药物或单一生活方式干预，但MASLD的防控其实需整合药物、生活方式与肠道健康调节等多方面措施，不能单纯依赖某一种手段。希望这项研究能够为MASLD的预防与管理提供一个“多维度综合干预”的新视角。我们的研究证实：通过乳酸乳球菌合生元调节肠道微生态，可改善肠道屏障功能、减少炎症因子释放，进而降低肝脏脂肪堆积与炎症反应，为MASLD防控提供了“肠道靶向”的新路径。这一发现也为后续转化研究明确了重点方向。

《国际肝病》

HCC分化分级是指导治疗决策（如手术切除范围、是否辅助化疗）的关键病理指标，但传统分级依赖经验且耗时。您报告的MIL模型是如何辅助病理科医生的？请您为我们介绍一下这项研究的主要成果？

司徒伟基教授：这项研究由我的博士生主导推进，他本科专攻计算机专业，并无医学背景，而中国香港大学正大力倡导多学科交叉的博士生培养模式，因此我与工程学院的导师共同组建指导团队，对他进行联合培养。我们也期待未来能培育更多这类跨学科的复合型人才，他们既手握工程领域的硬核技术能力，又通过系统深造积累了扎实的医学与生命科学知识，毕业后能够在医疗AI这一前沿领域，针对性地攻克更多临床实际问题。

回到这项研究，我们采用了一种特殊的深度学习方法——多实例学习（multiple instance learning，简称MIL），该方法的突出优势的是适配病理阅片这类“海量复杂数据”的分析场景。简单来说，一张病理切片中，往往包含大量与本次诊断无关的影像信息，甚至并非全是肿瘤组织，还夹杂着正常肝组织信息，传统分析方式需逐一甄别，效率较低。而我们的研究借助MIL方法快速精准判断病理切片中是否存在肿瘤，以及肿瘤的分化程度等级。目前这仍是一项处于初步阶段的研究，我们仅纳入了300多张病理切片，结合公开可用的基础模型进行融合分析，目前已取得了令人鼓舞的成果，模型的AUC值稳定在0.88 至0.9之间。现阶段，该模型已能实现两大核心功能：一是精准判定病理切片中是否存在HCC病灶；二是若确认存在HCC，可进一步明确其分化程度，区分高分化、中分化与低分化类型。这一中期成果让我们看到了巨大潜力，不过研究仍在持续推进中，后续我们计划进一步扩大样本量，不断完善模型性能。

未来，我们的目标是让模型具备更全面的实用功能：除了已实现的HCC病灶检出与分化程度判定，还将重点攻克关键病理特征识别，比如微血管侵犯这一影响预后的重要指标；同时，若切片中包含非肿瘤组织，模型还能同步评估其纤维化程度，为临床提供更完整的病理信息。我相信，一旦这些目标达成，不仅能大幅减轻病理科医生的工作负担，还能显著提升HCC病理诊断的效率与精准度，为临床治疗决策提供更有力的支持。

《国际肝病》

与传统的病理学家肉眼评估相比，MIL模型的优势体现在哪里？未来，病理诊断是否完全学家可以依赖AI诊断？

司徒伟基教授：目前我们还没有足够的数据支撑，所以很难对这个问题下确切结论。至于AI是否能取代病理科医生，我也不便妄下定论，但可以肯定的是，它一定会成为病理科医生手中非常实用的辅助工具，而且相关技术的发展速度确实超出预期。就拿我们用到的MIL模型来说，这个深度学习模型最初并非为医疗领域设计，而是应用在“海量数据筛选”的场景中。比如在野生动物保护领域，研究人员会在野外放置摄像头录制大量视频，过去需要人工逐帧观看才能找到老虎等目标动物的身影，耗时又耗力。而借助MIL方法，就能快速精准定位到有目标动物出现的视频片段。这一案例也说明，非医学领域的AI模型完全可以跨界应用到医疗场景中，这也凸显了跨学科合作在AI医疗发展中的重要性。如果AI工程师不与医学院的研究人员深度沟通，根本无法知晓这类深度学习模型在医疗诊断中具备的潜在价值。

当然，我们目前的研究还处于初步探索阶段，但我坚信，未来5到10年，AI在医疗领域一定会迎来诸多重要突破。它不仅会在日常临床诊疗中发挥关键作用，还可能在医学教育、患者管理等多个方面承担重要角色，成为临床工作者的得力助手。

《国际肝病》

您的研究涵盖从基础到临床的多个领域，包括肝癌、糖尿病及代谢相关疾病等前沿方向，想请您分享后续将如何整合这些研究，以及未来的研究方向能否为我们做个预告？

司徒伟基教授：本次大会上，我们团队确实有多项研究进行了报告，除了之前提到的两项核心研究外，还有针对HCC治疗的大数据分析相关成果。我们探讨了不同治疗方案对HCC患者的影响因素，以及免疫治疗如何作用于HCC患者的生活质量。此外，我们还将此前的AI研究成果进行了拓展应用，不仅覆盖了HCC手术切除患者，还延伸到肝移植患者群体，相关研究数据也在大会上做了汇报。

关于未来的研究规划，我个人的核心思路是：围绕临床实践中尚未解决的问题展开探索。很多研究想法的诞生，都源于临床工作中发现的“无答案”难题。当我们意识到某个临床问题缺乏明确解决方案时，就会先评估研究的可行性，进而通过科学研究寻找答案。当然，研究的开展也离不开技术发展的支撑，比如十年前因缺乏AI技术无法推进的研究，如今借助技术进步已具备实现条件。所以，我未来的研究方向仍会聚焦于那些长期以来萦绕在我心中的临床关键问题，逐一通过研究破解。

专家简介

司徒伟基 教授

中国香港大学

教授，医学博士，肠胃肝脏科专科医生，现为香港大学内科学系肠胃肝脏科临床教授，肝病研究国家重点实验室（香港大学）主要研究员，香港大学深圳医院消化内科教研主管及主任医师，港大医学院助理院长（跨领域协作）。根据《科睿唯安》，司徒教授自2020起每年名列全球学者前1%，他发表的多于300份论文，是在多份高影响力的国际性期刊刊登，包括以第一或通讯作者身份的Lancet，Journal of Clinical Oncology、Lancet Global Health、Journal of Hepatology、Gut、Hepatology等。司徒教授的研究大多与慢性肝病有关，特别是病毒性肝炎、脂肪肝和肝癌。

（来源：《国际肝病》编辑部）

声明：本文仅供医疗卫生专业人士了解最新医药资讯参考使用，不代表本平台观点。该信息不能以任何方式取代专业的医疗指导，也不应被视为诊疗建议，如果该信息被用于资讯以外的目的，本站及作者不承担相关责任。