2020年5月，《自然•机器智能》（Nature Machine Intelligence）在线发表了数据所集萃青年研究员金骏阳博士团队关于新冠肺炎智能诊断的研究新成果，该论文题为《针对新冠肺炎患者死亡率的可解释预测模型》（An interpretable mortality prediction model for COVID-19 patients）。
2020年，COVID-19在全球的突然爆发对世界人民的生命健康安全造成了巨大威胁，给公共医疗卫生系统带来了巨大挑战。感染这种新型病毒的患者会出现发烧、咳嗽、疲劳和轻度到重度呼吸并发症。在病情严重的情况下，甚至会导致病人死亡。据报道，截止3月6日，共有98192例感染病例，全世界共有3045人死亡。该病毒的危重病例病死率为61.5%，并随着患者年龄和潜在并发症急剧提升。严峻的形势给公共医疗系统带来了巨大压力。然而，由于对新冠肺炎的研究还处于早期阶段，针对性的预后生物标记物和患者的病情评估仍不明晰。
快速，准确的早期临床评估方法对新冠肺炎的医疗决策和后勤规划有着极为重要的意义。本研究应用机器学习工具，通过分析挖掘中国武汉485名患者的血液标本数据，建立了预测患者死亡率的诊断模型。该模型依据患者的血液标本，可提前十天预测患者个体的死亡率，准确率超过90%。此外，团队基于诊断模型，从患者上百个生物标志物（如肝功能、肾功能、凝血功能、电解质和炎症因子等）中锁定了与疾病死亡风险最为相关的三个关键标志物：乳酸脱氢酶（LDH）、淋巴细胞和高敏C反应蛋白（hs-CRP），为患者的临床分级提供了重要的依据。
该研究成果基于人工智能技术与专业医学知识的有机融合，开发了操作简单，使用便捷的诊断工具，实现了患者死亡风险的快速评估，使得高风险患者能得到及时救治，从而降低死亡率，对新冠肺炎的全球抗疫有着重要意义。
华中科技大学无锡研究院数据分析与工业软件研究所，打造了一支包括博士、硕士等多名科研和技术人员组成的专业团队，致力于人工智能技术的理论研究，应用论证和产业化落地。利用前沿的数据挖掘以及机器学习等方法，解决现实中的热点与关键问题。数据所面向医疗健康和工业制造领域的共性挑战，推动医工场景下基于大数据的建模、诊断、预测和解释等关键技术的共同提升，助力智慧医疗和智能制造的发展。