由山西医科大学第五临床医学院王俊平教授团队撰写的论文，被国际医学领域权威期刊 【World Journal of Gastroenterology】 高度评价，并配发了专题述评文章。
近期，由山西医科大学第五临床医学院王俊平教授作为通讯作者、张睿雅博士生作为第一作者撰写的论文【 Automatic detection of small bowel lesions with different bleeding risks based on deep learning models 】，发表在国际医学领域权威期刊【World Journal of Gastroenterology】(中科院2区Top，5年IF 5.3)，期刊给予充分肯定，并配发了专题评述文章【Artificial intelligence in detection of small bowel lesions and their bleeding risk: A new step forward】对该研究给予了高度评价。
人工智能助力健康中国
在2000年面世的胶囊内镜 （Capsule Endoscopy，CE） 技术，成功地解决了小肠的可视化难题，为医学领域带来了重大突破，成为了小肠疾病诊断的首选方法。目前，不明原因消化道出血(Obscure gastrointestinal bleeding，OGIB)是CE检查最主要的指征。所以，医生更加关注CE检查中小肠病变的出血风险。然而， CE阅片过程繁琐，易漏诊，并受胆汁、食物残渣、气泡等干扰，严重影响诊断效率。
近年来，深度学习模型广泛用于消化内镜图像的自动识别，通过多层网络完成特征提取进行分类和反馈从而帮助识别病变，显著增加了病变检测的灵敏度和特异度，同时有效节约了检测所需的时间成本。在过去的几年中，卷积神经网络( Convolutional Neural Networks, CNNs)在内镜图像分析中取得了里程碑式的进展，但仍然存在一些局限性。其不能有效的关注图像中的重要部分，同时无法区分图像中的多个类型病变并确定病变的具体位置，而且检测精度低。最重要的是， 现有的研究未对小肠病变进行出血风险的评估。
为了解决上述问题，我们在研究中共纳入了701例患者，选取了111，861张CE图像进行模型的训练及验证。研究中引入多头自注意力（multi-head self-attention，MHSA）机制和空洞空间金字塔池化（Atrous Spatial Pyramid Pooling，ASPP）模块，并结合ResNet-50和YOLO-V5模型进行图像分类和多病变检测，增强了病变出血风险评估的准确性和全面性。最终，提出了具备高准确度、高灵敏度及高特异度的深度学习模型，有助于提高医生诊断效率和高风险出血人群的识别能力。
该 研究是第一个采用图像分类联合目标检测模型对多种小肠病变进行自动识别，并且对其出血风险进行评估分类。我们构建的基于深度学习的模型同时具备高准确度、高灵敏度及高特异度，提高了医师诊断效率以及对高风险出血人群的识别能力。其诊断性能具有很好的临床应用潜力。
研究获得国际医学界的高度赞誉
2024年5月，全球消化内科排名前50-100的Azienda Ospedaliero Universitaria Policlinico di Modena医院的Silvia Cocca等人发表了题为【Artificial intelligence in detection of small bowel lesions and their bleeding risk: A new step forward】的文章，对该研究给予了高度赞誉。认为该研究在创新性方面具有显著独创性，在人工智能检测小肠病变及其出血风险领域向前迈出了新的一步。同时该研究模型在提升医生诊断效率和识别高风险出血人群方面展现了非凡的效果。该具有突破性的两阶段模型将为未来的研究铺平了道路并提供了宝贵的指导。
王俊平：医学博士，主任医师，教授，博士生导师
山西省人民医院消化科主任医师，二级教授，国务院特殊津贴专家
中华医学会全国委员，山西省消化学会主任委员，中国医师协会全国委员，山西省医师协会消化医师分会会长，山西省继续教育协会消化分会主任委员，中国消化内镜中心认证专家委员会委员，世界华人内镜医师协会常务委员，山西省重点学科和重点专科带头人
中华内科杂志、中国内镜杂志编委，世界华人消化杂志主编获山西省科技进步一，二，三等奖八次，山西省卫生健康领域「三晋英才」支持计划的高端领军人才，山西省科技奉献一等奖及中国医师奖，发表专业医学论文上百篇，获国家专利12项
获2020年全国卫生健康系统新冠肺炎疫情防控工作先进个人和全国先进工作者
