透過對腸病毒巨量序列資料的長期解析，本團隊整理出近五萬筆，308類別的基因體資料，利用深度學習卷積神經網路(CNN)，進行分類模型的建構，並結合網站技術，完成第一個利用人工智慧模型來進行腸病毒基因型即時判別的線上平台，希望能透過對腸病毒品系的早期快速判讀，配合適當的醫療措施，來減少未來重症的發生率。

研發團隊整合深度學習模型及相關自有程式，建構了第一個以腸病毒基因體大數據為基礎的線上分類網站，以高親和人機介面，提供高準確度即時的腸病毒基因型判別，除了表現優於其他機器學習策略，同時，也可跳脫原先以單一病毒外鞘抗體來決定的血清型分型，所遇到的困難與其所導致的可能繆誤，並能因應當今即時定序檢驗的趨勢。

此一系統平台，結合第三代高通量低單價之定序儀(Nanopore)，將能應用於在腸病毒感染初期（約三到五天內），及早發現所感染的病毒類型，防止重症的發生，且降低醫療和社會經濟成本，進而實現預防醫學的目標。其應用對象與業別，將包含第一線診所與醫院、生技檢驗業者，還有病毒學研究社群與流病監控團隊等。