本系列研究将大数据和人工智能技术应用于肺部疾病的影像组和分子组学分析，建立了基于医疗影像组的肺部疾病六分类器、预测了免疫组化的蛋白表达，多组学大数据挖掘发现了肺鳞癌与新冠肺炎在免疫耗竭的分子特征。首先，我们通过有监督学习的方式、基于病理影像组学构建肺部疾病组织学类型的深度学习分类器，并经过多中心的独立数据集验证，以人机比较的方式进一步评价模型；该模型是首个能够区分肺腺癌、肺鳞癌、小细胞肺癌、肺结核、机化性肺炎和正常肺部组织的六分类器。另外，我们利用病理影像组学人工智能成功预测了肺癌免疫组化特征。模型拓展了肺部重大疾病的人工智能辅助诊断范围，适用于复杂多病种诊断需求，具有很好的临床可解释性。再次，我们利用机器学习方法，从临床表型、基因突变、DNA甲基化、转录组比较、单细胞表达谱等多维度对肺鳞癌与新冠肺炎之间T细胞耗竭进行了综合表征，发现两种疾病中细胞因子风暴与免疫衰竭的关系，揭示了两种疾病之间T细胞耗竭微环境的相似分子特征，为肺鳞癌与新冠肺炎的免疫治疗提供了新的启示。相关工作分别发表在 BMC Medicine、Lung Cancer、GPB上，以及投稿Genome Medicine （审稿中）。

肺癌、新冠肺炎、影像组学、免疫组化、多组学分析、免疫耗竭