世界各地当前的紧急卫生状况导致了一系列变革性技术的涌现，作为遏制疫情大流行的可能解决方案。人工智能工具带来了一系列新的机遇来应对关键挑战，并且正在成为当今的潜在救星。
　　
　　未经审查的人工智能算法甚至已经获得了美国食品和药物管理局的紧急授权。但是出现一个问题：随着每天都在出现新技术和新概念，是否可以安全地假设人工智能将成为控制此类流行病的中心舞台？
　　
　　疫情人工智能算法的宽松监管前景引起了医学研究人员的广泛关注。在BMJ上发表的综述报告表明，疫情人工智能模型的报道不佳，并且对具有偏倚风险的小型或低质量数据集进行了培训。报告疫情预测模型的开发和评估的所有重要细节至关重要。没有报告这些细节会导致研究浪费。更重要的是，它可能导致所使用模型的开发和审查不完善，对临床决策的危害可能大于利益。
　　
　　疫情人工智能算法的源代码和身份不明的患者数据集应开放给研究社区使用，以支持透明和可重复的报告。《柳叶刀》数字健康杂志的一份报告显示了一种新的人工智能疫情筛查测试，名为CURIAL人工智能，它使用常规收集的临床数据来就诊。希望人工智能可以确保患者和卫生工作者的安全，Andrew Soltan和他的研究人员指出，人工智能测试可以允许没有疫情的独家患者，并确保具有疫情的患者能够迅速接受治疗。这是迄今为止来自英国超过十万例临床数据的大规模人工智能研究之一。与金标准RT-PCR测试相比，对人工智能筛选测试的前瞻性验证显示了准确，快速的结果。
　　
　　但是，与其他疫情人工智能模型一样，CURIAL人工智能需要在地理和种族不同的人群中进行验证，以评估现实世界的表现。Andrew强调说：“如果人工智能模型能够推广到不同国家的患者队列，那么我们仍然不知道，在这些国家，患者可能会因不同的医疗问题而来医院就诊。”
　　
　　Alphabet的子公司X公司宣布，他们可以开发一种人工智能来识别脑电图数据的特征，这些特征可能对诊断抑郁症和焦虑症很有用，但他们发现专家们并不相信该诊断辅助工具的临床价值。人工智能开发人员并不总是很好地理解用于诊断健康状况的人工智能工具如何增强医疗保健。因此，必须与医护人员密切合作开发疫情人工智能模型，以深入了解如何将这些模型的输出应用于患者护理。
　　
　　如果无法证明人工智能工具能够区分一种肺炎，那么过早使用此类技术可能会增加误诊和破坏患者临床护理的风险。如果扩大规模，类似的错误将减慢未来可能使用的救生技术的使用，并损害临床和患者对人工智能的信任。临床试验对于了解人工智能如何为现实世界中的疫情患者提供支持以评估人工智能工具针对疫情的正确准确性至关重要。
　　
　　　　
　　编辑：Harris