了让AI真正破坏COVID-19的装甲，开发人员需要更好地将大数据分析与前线医疗工作者的定期更新输入联系起来。换句话说，分配给COVID案例的AI需要结合人在环机器学习或“ HIL ML”。
 

一家医疗保健AI公司的高管在布鲁金斯学会(Brookings Institution)在线发表的意见书中详细说明了机会的细节。

总部位于西雅图的巨眼公司的德鲁·阿伦斯(Drew Arenth)写道：“几十年来，根本性的脱节阻碍了医疗保健-那些提供护理的人在提供护理的方式上发言权最少。”“使用HIL ML可以使受过教育和充满激情的卫生工作者社区的干扰得到最小程度的解决。”
 

Arenth指出，将HIL ML定义为从人们那里接收数据丰富的见解，对其进行实时分析并共享建议的过程，他指出，医疗保健领域的AI已取得成功，但总体上未得到充分利用。

他写道：“ COVID-19是我们这个时代最大的全球危机：直接的健康挑战，以及对社会经济和心理健康的持续时间未知的挑战。”“缺乏以数据为依据的决策，以及缺乏自适应和预测技术，这些都延长了并加剧了COVID-19的损失。这些技术的采用将帮助我们重建健康和社会。”