孩子肚子痛，是普通肠胃炎还是危险的肠梗阻？ 对于家长和儿科医生来说，这常常是一个需要快速判断的难题。肠梗阻是儿童常见的急腹症，病情发展快，诊断的及时与准确至关重要。

近日，重医附属儿童医院普外创伤外科康权教授团队与西南大学人工智能学院强强联合，在这一领域取得了创新性进展。团队成功研发了一种新型人工智能（AI）诊断模型，能够像经验丰富的医生一样，综合分析孩子的X光片和临床信息，更精准地识别小儿肠梗阻。

这项研究成果已发表于信息融合领域的国际顶级学术期刊《Information Fusion》（中科院1区TOP期刊，影响因子15.5），标志着医院在儿科智能辅助诊断领域迈出了坚实一步。

传统上，医生诊断小儿肠梗阻，需要仔细查看孩子不同体位的多张X光片（如立位、卧位、侧位），并结合孩子的年龄、血液检查结果等临床资料进行综合判断。这个过程高度依赖医生的经验，且信息量大、维度多，如何高效、无遗漏地将所有线索整合起来，做出最准确的判断，一直是临床诊疗面临的巨大挑战。

针对这一临床痛点，研究团队创新性地提出了“多视图多模态融合网络（MMFN）” 。简单来说，这个AI模型拥有三大本领：

“眼观六路”：能同时处理立、卧、侧位三张X光片，自动比对分析，捕捉单一张片子可能遗漏的关键空间信息，就像医生同时审视多角度影像一样。

“融会贯通”：独创了“医学生成器”，能将孩子的年龄、血常规等文本化临床数据，智能转化为与影像特征相匹配的信息，实现“影像”与“文本”数据的深度融合，让AI的诊断依据更全面。

“精准判断”：采用自主研发的轻量高效核心算法，在保证高精度的同时，模型体积小、运算快，为未来投入临床实际应用打下良好基础。

为了训练和验证这个AI模型，团队汇集国内三家医疗中心超过600例真实小儿肠梗阻病例数据。经过严格的测试，MMFN模型在识别肠梗阻的准确率达到91.36%，综合性能优于当前国际同类先进方法。

更重要的是，模型展现了良好的鲁棒性（即稳定性）：即使在某一张X光片质量不佳、角度不全，或部分临床信息缺失的情况下，它依然能保持较高的判断能力，更贴合实际临床工作中可能遇到的复杂情况。

目前，这项研究已完成了重要的技术验证。团队下一步计划与更多医院合作，扩大数据样本，进一步优化模型的普适性，积极探索其在临床工作流程中的辅助应用场景。

期待，这项源于临床需求、融合前沿人工智能技术的研究，未来能够成为儿科医生的得力助手，为快速、精准诊断小儿肠梗阻提供新的智慧方案，最终让更多儿童受益。

守护儿童健康，重庆医科大学附属儿童医院一直在路上！