为解决肺癌病人饱受脓毒症的现实问题，广州中医药大学校赛特等奖项目《AI抗癌——基于免疫炎症指标的肺癌死亡机器学习预测的回顾性研究》的学生团队，运用自主研发的肺癌患者监测预警系统，实现了免疫炎症指标监测、肺癌患者高风险报警等功能。
项目各成果前三作者均为学生团队成员，系学生自主研发，目前论文已进入同行评审状态，获批2项软件著作权，已受理1项国家发明专利和2项软件著作权，项目成果显著。同时，项目成员依托“百千万工程”杏林禅医队前往多地开展疾病防治宣讲，依托合作单位北京师范大学珠海校区申报攀登计划项目《基于免疫组学与影像组学的非小细胞癌的诊断预后评估平台——多模态大数据的机器学习分析》。
杏林禅医队“百千万工程”宣讲宣教活动
本项目联合四所学校学生、涵盖临床医学、应用统计学、数学与应用数学多专业，充分挖掘肺癌病人的生理生化指标，运用多种机器学习算法和超参数调优等技术，完成人工智能＋医学的创新。三校临床医学生组建数据挖掘团队，合作单位北师珠吴铭鑫-孙明辉学生团队在人工智能赛事中斩获多项国内外大奖，双方按照跨行业数据挖掘标准签署合约开展项目。
杏林禅医队“百千万工程”科普及调研活动
疾病防治宣教
通过对公共数据库的清洗、整理，我们发现多数ICU的肺癌患者均伴有脓毒症，这与医院的呼吸与危重症医学科的接诊情况不谋而合。因此，研究早期生物标志物以识别脓毒症高风险个体，早期识别和及时管理对改善肺癌合并脓毒症患者的预后至关重要。然而，肺癌患者目前仍缺乏用于免疫疗法的可靠预测性生物标志物。
对此，我们发掘了全身免疫炎症指数（SII）、全身炎症反应指数（SIRI）等免疫炎症指标的意义，旨在评估重症监护病房收治时，肺癌合并脓毒症危重患者SII和SIRI指数与全因死亡率之间的关系，并使用机器学习算法进一步评估预测模型的准确性。团队成员积极开展疾病防治宣讲宣教工作，在多家医疗养生机构开展宣教工作，
