対象病変の教師画像作成を行った。炎症性病変は376例、血管性病変は228例、腫瘍性病変は860例を収集して、各々、4,340枚、2,838枚、3，527枚の教師画像を作成した。AIプログラム作成においては、教師画像から異常の有無、異常の領域、異常の種類を予測器に学習させた。また、作成した教師画像のうち学習データとテストデータに分類し、学習データだけを用いて予測器を学習させ、評価は学習に使用しないテストデータで実施した。本研究で作成した教師画像の学習データにおいて、複数のモデルについて計100実験ほど行い最良なモデルの候補を検討した。それぞれの手法について、その予測や学習を司る変数(ハイパーパラメータ)を変更しながら実験を行い、条件出しを行った。以上から、小腸の代表的な３種類の疾患である炎症性、血管性、腫瘍性病変のカプセル内視鏡画像を、判定できるソフト（原理検証機）の開発に前進することができた。
また、モデルに関する検討も行い、2段階モデル、また複数モデルを用いて最良の結果を組み合わせるアンサンブルモデルなどの検討を行った。新たな機能に関して、腸内細菌叢と小腸腫瘍性病変の相関を解析して、FaecalibacteriumやRuminococcaceaeは、健常群健常粘膜と比較して腫瘍群健常粘膜で有意に増加していることを明らかにした。また、令和6年12月に全般相談を行い、事業化に向けた取り組みを推進している。