了解讓AI真正破壞COVID-19的裝甲，開發(fā)人員需要更好地將大數(shù)據(jù)分析與前線醫(yī)療工作者的定期更新輸入聯(lián)系起來。換句話說，分配給COVID案例的AI需要結(jié)合人在環(huán)機器學(xué)習(xí)或“ HIL ML”。

一家醫(yī)療保健AI公司的高管在布魯金斯學(xué)會（Brookings Institution）在線發(fā)表的意見書中詳細說明了機會的細節(jié)。

總部位于西雅圖的巨眼公司的德魯·阿倫斯（Drew Arenth）寫道：“幾十年來，根本性的脫節(jié)阻礙了醫(yī)療保健-那些提供護理的人在提供護理的方式上發(fā)言權(quán)最少?！薄笆褂肏IL ML可以使受過教育和充滿激情的衛(wèi)生工作者社區(qū)的干擾得到最小程度的解決?！?/p>

Arenth指出，將HIL ML定義為從人們那里接收數(shù)據(jù)豐富的見解，對其進行實時分析并共享建議的過程，他指出，醫(yī)療保健領(lǐng)域的AI已取得成功，但總體上未得到充分利用。

他寫道：“ COVID-19是我們這個時代最大的全球危機：直接的健康挑戰(zhàn)，以及對社會經(jīng)濟和心理健康的持續(xù)時間未知的挑戰(zhàn)。”“缺乏以數(shù)據(jù)為依據(jù)的決策，以及缺乏自適應(yīng)和預(yù)測技術(shù)，這些都延長了并加劇了COVID-19的損失。這些技術(shù)的采用將幫助我們重建健康和社會。”