曾和松介紹，聽診檢查是醫生的必修課，操作簡單。現今，新冠肺炎疫情全球暴發，由于傳播性強，新冠肺炎的快速鑒別和實時、遠程診斷且無需大型設備診斷尤為重要。曾和松團隊立即開展研究，致力于破解新冠肺炎心肺音聽診記錄智能診斷的難題。
目前，確診新冠肺炎的方法主要依賴于胸部CT和實驗室檢查。曾和松表示，內科疾病的檢查和診斷離不開聽診器。人體的心臟、肺臟等重要臟器在生理和病理狀態下會發出不同的“聲音”，而視觸叩聽診之一的聽診，是一項重要的診斷方法，操作簡單、無創、快速和實時，特別對于呼吸系統的疾病診治，聽診檢查非常重要。
為此，團隊通過記錄新冠肺炎患者的心肺音，并對其進行智能診斷的深度學習方法。該研究具有創新性和臨床轉化的重要意義，研究成果取得了突破，特別是針對新冠肺炎的實時診斷、病情觀察和及早干預。
2020年4月1日至4月5日新冠疫情期間，曾和松領導團隊成員朱紅玲、賴金勝對172例新冠肺炎確診病例進行了多部位心肺聽診記錄，采集心肺音數據，并對所有心肺音聽診數據分類和診斷，同時將數據傳輸到電腦端構建數據庫。根據《新型冠狀病毒肺炎診療方案（試行第七版）》，將患者分為普通型，重型和危重型組；同時納入50位正常患者作為對照組。以本研究數據庫為基礎，合作方華中科技大學光學與電子信息學院教授王超和江漢大學物理與信息工程學院教授張建敏建立深度學習人工智能（AI)模型，并分析模型的準確率、F1分數、敏感性和特異性等多項指標。
該智能模型對正常患者和新冠肺炎異常肺音進行分類的準確率達95%以上，并進一步可將正常、普通型、重型和危重型患者進行分級診斷，準確率達95%以上。特別是在診斷識別肺部的啰音、哮鳴音和痰鳴音時，模型同樣具有95%的高準確率。