由山西醫科大學第五臨床醫學院王俊平教授團隊撰寫的論文，被國際醫學領域權威期刊 【World Journal of Gastroenterology】 高度評價，並配發了專題述評文章。
近期，由山西醫科大學第五臨床醫學院王俊平教授作為通訊作者、張睿雅博士生作為第一作者撰寫的論文【 Automatic detection of small bowel lesions with different bleeding risks based on deep learning models 】，發表在國際醫學領域權威期刊【World Journal of Gastroenterology】(中科院2區Top，5年IF 5.3)，期刊給予充分肯定，並配發了專題評述文章【Artificial intelligence in detection of small bowel lesions and their bleeding risk: A new step forward】對該研究給予了高度評價。
人工智能助力健康中國
在2000年面世的膠囊內鏡 （Capsule Endoscopy，CE） 技術，成功地解決了小腸的視覺化難題，為醫學領域帶來了重大突破，成為了小腸疾病診斷的首選方法。目前，不明原因消化道出血(Obscure gastrointestinal bleeding，OGIB)是CE檢查最主要的指征。所以，醫生更加關註CE檢查中小腸病變的出血風險。然而， CE閱片過程繁瑣，易漏診，並受膽汁、食物殘渣、氣泡等幹擾，嚴重影響診斷效率。
近年來，深度學習模型廣泛用於消化內鏡影像的自動辨識，透過多層網絡完成特征提取進行分類和反饋從而幫助辨識病變，顯著增加了病變檢測的靈敏度和特異度，同時有效節約了檢測所需的時間成本。在過去的幾年中，摺積神經網絡( Convolutional Neural Networks, CNNs)在內鏡影像分析中取得了裏程碑式的進展，但仍然存在一些局限性。其不能有效的關註影像中的重要部份，同時無法區分影像中的多個類別病變並確定病變的具體位置，而且檢測精度低。最重要的是， 現有的研究未對小腸病變進行出血風險的評估。
為了解決上述問題，我們在研究中共納入了701例患者，選取了111，861張CE影像進行模型的訓練及驗證。研究中引入多頭自註意力（multi-head self-attention，MHSA）機制和空洞空間金字塔池化（Atrous Spatial Pyramid Pooling，ASPP）模組，並結合ResNet-50和YOLO-V5模型進行影像分類和多病變檢測，增強了病變出血風險評估的準確性和全面性。最終，提出了具備高準確度、高靈敏度及高特異度的深度學習模型，有助於提高醫生診斷效率和高風險出血人群的辨識能力。
該 研究是第一個采用影像分類聯合目標檢測模型對多種小腸病變進行自動辨識，並且對其出血風險進行評估分類。我們構建的基於深度學習的模型同時具備高準確度、高靈敏度及高特異度，提高了醫師診斷效率以及對高風險出血人群的辨識能力。其診斷效能具有很好的臨床套用潛力。
研究獲得國際醫學界的高度贊譽
2024年5月，全球消化內科排名前50-100的Azienda Ospedaliero Universitaria Policlinico di Modena醫院的Silvia Cocca等人發表了題為【Artificial intelligence in detection of small bowel lesions and their bleeding risk: A new step forward】的文章，對該研究給予了高度贊譽。認為該研究在創新性方面具有顯著獨創性，在人工智能檢測小腸病變及其出血風險領域向前邁出了新的一步。同時該研究模型在提升醫生診斷效率和辨識高風險出血人群方面展現了非凡的效果。該具有突破性的兩階段模型將為未來的研究鋪平了道路並提供了寶貴的指導。
王俊平：醫學博士，主任醫師，教授，博士生導師
山西省人民醫院消化科主任醫師，二級教授，國務院特殊津貼專家
中華醫學會全國委員，山西省消化學會主任委員，中國醫師協會全國委員，山西省醫師協會消化醫師分會會長，山西省繼續教育協會消化分會主任委員，中國消化內鏡中心認證專家委員會委員，世界華人內鏡醫師協會常務委員，山西省重點學科和重點專科帶頭人
中華內科雜誌、中國內鏡雜誌編委，世界華人消化雜誌主編獲山西省科技進步一，二，三等獎八次，山西省衛生健康領域「三晉英才」支持計劃的高端領軍人才，山西省科技奉獻一等獎及中國醫師獎，發表專業醫學論文上百篇，獲國家專利12項
獲2020年全國衛生健康系統新冠肺炎疫情防控工作先進個人和全國先進工作者
