近日，广西民族大学物理与电子信息学院卢振坤教授团队与中山大学附属第一医院王伟教授团队合作，在肝纤维化的早期检测和监测领域取得突破性进展，成功开发出一款基于多任务深度学习模型的诊断工具TongVMoe。研究成果An AI-powered Tongue Image Model for Home-based Monitoring of Liver Fibrosis（《基于人工智能的用于肝纤维化家庭监测的舌象模型》）于2025年12月19日正式发表在全球数字医学顶尖期刊《npj Digital Medicine》（《数字医学》）上。

论文信息

本研究指出，肝纤维化是肝硬化的可逆前兆，早期检测对于阻断疾病进展至关重要。舌诊为反映体内健康状况提供了一种无创且经济有效的手段；然而，其主观性限制了它的临床可靠性。研究团队开发了一款诊断工具TongVMoe，这是一种基于多任务深度学习模型，用于检测肝纤维化并同时对关键舌象特征进行分类。TongVMoe在舌象特征识别方面表现出稳健的性能。在这些特征中，瘀点作为一项显著的临床指标，表现出与肝纤维化的强相关性。研究团队进一步将该模型集成到微信小程序中并进行了模拟远程筛查。这些研究结果表明，TongVMoe作为一种可解释且适用于移动端的工具，有望用于肝纤维化的早期检测和监测，尤其在医疗资源匮乏的地区具有应用潜力。

npj Digital Medicine（《数字医学》）是Springer Nature旗下面向数字健康和医学工程领域的开放获取学术期刊，致力于促进计算方法与临床应用的结合以推动数字医疗创新。该期刊被SCIE收录，2024年JCR影响因子为15.1（五年影响因子17.0）。根据2024年Scopus CiteScore排名，在HEALTH CARE SCIENCES & SERVICES领域的174个期刊中位列第5，CiteScore为25.1。在2025年中国科学院期刊分区表（升级版）中，该期刊被列为医学大类1区、Top期刊。（初审：覃志和 编辑：黎倩雅 实习编辑：苗予嘉 复审：韦利坤 终审：孙寿媚）