截至2020年11月18日，新冠肺炎（COVID-19肺炎）已造成全球累计超过5500万人确诊，累积死亡人数超过133万，已有200多个国家或地区遭受了疫情。许多疫情严重的地区面临医疗资源的极度紧缺和患者激增的问题。尽管核酸检测能够灵敏的确诊新冠肺炎，但难以评估患者未来的病情严重程度和潜在死亡风险。另外，世界卫生组织报告称80%新冠肺炎患者为轻症，但重症患者死亡率超50%。

新冠肺炎的病况和死亡风险预测，有助于医疗资源的合理分配以及及时的临床干预，从而控制疫情蔓延和降低患者的重症率和死亡率。研究表明，许多临床指标（CF）和患者的胸部CT成像特征与新冠肺炎的病情严重程度存在相关性。因此，利用新冠肺炎患者的数据对于指导临床决策，进一步了解这种病毒性疾病以及进行诊断建模至关重要。近日，华中科技大学多个团队，充分发挥多学科交叉的优势，成功联合研发新冠人工智能诊断系统，相关文章在线发表在《自然•生物医学工程》上（https://www.nature.com/articles/s41551-020-00633-5）。

该研究通过收集、整合、注释和分类了1500多位新冠患者的海量肺CT特征和临床诊断大数据，在完全去除个人隐私信息之后，构建了国际上第一个新冠影像学和临床诊断信息的综合数据库iCTCF（http://ictcf.biocuckoo.cn/），其数据量达到265.1 GB。在此基础上，利用前沿深度学习技术，联合研发了“基于混合学习的新冠患者无偏预测”人工智能软件系统（Hybrid-learning for UnbiaSed predicTion of COVID-19 patients，缩写为HUST-19）。这款以华中科技大学命名的HUST-19的AI新冠诊断系统不仅可准确判断患者是否感染新冠，还可以精确预测病情的严重程度以及潜在的死亡可能，而目前同类算法只能预测患者是否感染新冠。使用HUST-19，我们对核酸检测尚未确诊的疑似病例进行了成功的预测和诊断。HUST-19能为我国乃至世界范围的新冠疫情防控带来全新有力的诊断工具（文字资料引自学院新闻网）。