了解讓AI真正破壞COVID-19的裝甲，開(kāi)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(lái)。換句話說(shuō)，分配給COVID案例的AI需要結(jié)合人在環(huán)機(jī)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(huì)（Brookings Institution）在線發(fā)表的意見(jiàn)書(shū)中詳細(xì)說(shuō)明了機(jī)會(huì)的細(xì)節(jié)。

總部位于西雅圖的巨眼公司的德魯·阿倫斯（Drew Arenth）寫(xiě)道：“幾十年來(lái)，根本性的脫節(jié)阻礙了醫(yī)療保健-那些提供護(hù)理的人在提供護(hù)理的方式上發(fā)言權(quán)最少?！薄笆褂肏IL ML可以使受過(guò)教育和充滿(mǎn)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(jiàn)解，對(duì)其進(jìn)行實(shí)時(shí)分析并共享建議的過(guò)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(xiě)道：“ COVID-19是我們這個(gè)時(shí)代最大的全球危機(jī)：直接的健康挑戰(zhàn)，以及對(duì)社會(huì)經(jīng)濟(jì)和心理健康的持續(xù)時(shí)間未知的挑戰(zhàn)?！薄叭狈σ詳?shù)據(jù)為依據(jù)的決策，以及缺乏自適應(yīng)和預(yù)測(cè)技術(shù)，這些都延長(zhǎng)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(huì)?！?/p>