在快速演变的疫情中部署人工智能模型面临的挑战
计算机与社会
2020-05-26 v1 机器学习
摘要
由严重急性呼吸综合征冠状病毒2引起的COVID-19大流行，出现在一个正被基于大数据、算力和神经网络的人工智能（AI）迅速改造的世界中。近年来，这些网络的目光日益转向医疗健康应用。或许不可避免的是，COVID-19这一造成健康与经济破坏的全球性疾病，吸引了全球学术界与工业界计算机科学家的注意与资源。AI支持疫情应对的潜力已在广泛的临床与社会挑战中被提出，包括疾病预测、监测与抗病毒药物发现。随着大流行对世界人民、产业和经济的影响展开，这种情况可能持续；但对于当前大流行的一个令人惊讶的观察是，迄今为止AI在COVID-19管理中影响有限。本通讯聚焦于探索为COVID-19诊断与预后开发的人工智能模型在前线医疗服中成功采纳缺失的潜在原因。我们强调模型在疫情不同阶段不得不应对的不断变化的临床需求，并解释反映本地医疗环境进行模型转化的重要性。我们认为基础与应用研究对于加速AI模型的潜力都至关重要，在快速演变的大流行中尤其如此。这一对COVID-19应对的视角，或可窥见全球科学界应如何反应以更有效抗击未来疾病暴发。
引用
@article{arxiv.2005.12137,
title = {The challenges of deploying artificial intelligence models in a rapidly evolving pandemic},
author = {Yipeng Hu and Joseph Jacob and Geoffrey JM Parker and David J Hawkes and John R Hurst and Danail Stoyanov},
journal= {arXiv preprint arXiv:2005.12137},
year = {2020}
}
备注
Accepted in Nature Machine Intelligence