去年Covid-19大流行时，医师Lara Jehi和她在克利夫兰诊所的同事们都失明了。谁有危险？谁可能生病？他们需要什么样的护理？

该诊所的首席研究信息官Jehi说：“问题无穷无尽。” “我们没有足够的时间等待，看看随着时间的推移会发生什么变化。”

迫切需要答案后，克利夫兰诊所求助于算法。医院召集了17名专家，以定义他们需要从电子健康记录中收集的数据，并使用人工智能来建立预测性治疗模型。在两周内，该诊所根据来自12,000名患者的数据创建了一种算法，该患者使用年龄，种族，性别，社会经济状况，疫苗接种史和当前用药来预测某人是否会对新型冠状病毒进行阳性检测。医生在大流行初期使用这种药物，当时的检测非常昂贵，可以建议患者是否需要进行检测。

在过去的一年中，该诊所发表了超过三十二篇有关使用人工智能的论文。 Jehi和她的同事创建了一些模型，以识别那些可能需要住院治疗的病毒，从而有助于进行容量规划。他们建立了另一个模型，该模型可以帮助医生提醒患者重症监护病房的风险，并优先考虑那些具有较高风险的积极治疗患者。当患者被送回家并在那里进行监视时，诊所的软件会标记出哪些患者可能需要返回医院。

医院已经使用了人工智能，但是Covid-19的未知数和大量病例在美国各地引起了极大的关注。通过数据筛选的模型可帮助护理人员将重点放在风险最大的患者上，分类对患者康复的威胁，并预见床和呼吸机等设施需求的激增。但是随着速度的发展，人们也开始质疑如何实施新工具以及用于构建模型的数据集是否足够且没有偏差。

在曼哈顿的西奈山医院，遗传学家Ben Glicksberg和哈索·普拉特纳数字健康研究所和西奈山临床情报中心的肾病学家吉里斯·纳德卡尼（Girish Nadkarni）提出了与克里夫兰诊所的医生相同的问题。 “这是一种全新的疾病，没有剧本，也没有模板，”纳卡尼说。 “我们需要快速汇总来自不同来源的数据，以了解更多信息。”

在西奈山，在北美爆发的春季震中，病人大量涌入医院，研究人员转向数据来评估病人入院后三天，五天和七天的危急事件风险，以预测他们的需求。医生对哪些患者可能返回医院进行了解码，并确定了哪些患者可以准备出院免费急诊病床。

寻求机器学习帮助的将近一年，Glicksberg和Narkani表示这是一种工具，而不是答案。他们的工作表明，这些模型识别出了高风险患者，并在健康记录中揭示了预测结果的潜在关系。“我们并不是说我们已经破解了将机器学习用于Covid的代码，并且可以100％可靠地预测与临床相关的事件，” Glicksberg说。

“机器学习是整个难题的一部分，” Nadkarni补充说。

对于Covid，人工智能应用涵盖了广泛的问题，从帮助临床医生做出治疗决策到告知如何分配资源。例如，纽约大学的Langone Health创建了一个人工智能程序，以预测哪些患者可以转移到较低的护理水平或在家中康复以扩大能力。

弗吉尼亚大学医学中心的研究人员一直在开发软件，以帮助医生检测导致插管的呼吸衰竭。当大流行爆发时，他们针对Covid-19修改了该软件。

“在我们看来，这一切开始发生的时候，这就是我们多年来一直在努力的事情。我们没想到这种大流行。但是就在这里。”该大学的医学教授兰德尔·摩尔曼（Randall Moorman）说。 “但这只是技术的完美应用，而且是我们长期致力于的一个想法。”

名为CoMET的软件借鉴了多种健康措施，包括心电图，实验室测试结果和生命体征。它可以将彗星形状投影到患者的LCD屏幕上，该屏幕会随着患者预期风险的增加而变大并变色，为看护人提供视觉警报，在医院部门的蜂鸣警报中脱颖而出。 Moorman说，该软件已在弗吉尼亚大学医院使用，并已获得其他医院的许可。

Moorman的研究伙伴，有关在Covid治疗中使用预测软件的论文的合著者Jessica Keim-Malpass说，重点在于使模型实用。她说：“这些算法正在激增，这是很棒的，但是对于如何道德地使用它们的关注却很少。” “极少有算法甚至可以将其应用于任何类型的临床环境。”

将软件的功能转换为易于医生，护士和其他护理人员使用的功能是关键。她说：“临床医生每小时都会做出决定，有时甚至是每分钟都会受到轰炸。” “有时候他们确实在做些什么，有时情况在临床上可能还不明显。因此，该算法的重点是帮助人类做出更好的决策。”

尽管医院中有许多模型可用，但仍有更多潜力在工作中。已经开发了许多应用程序，但尚未推出。明尼苏达大学的研究人员已经与电子病历供应商Epic合作，创建了一种算法，该算法可以评估Covid的胸部X射线，并花费几秒钟的时间来找到与该病毒相关的模式。但尚未获得美国食品药品监督管理局的批准使用。

在约翰霍普金斯大学，生物医学工程师和心脏专家开发了一种算法，可以在住院Covid-19的患者经历心脏骤停或血凝块之前向医生发出警告。研究人员说，在预印本中，它是使用来自2,000多名新型冠状病毒患者的数据进行培训和测试的。他们现在正在开发在医院中建立系统的最佳方法。

当医院希望将人工智能整合到治疗方案中时，一些研究人员担心这些工具在被认为具有统计效力之前就已经获得了美国食品药品监督管理局的批准。需要FDA批准的内容是模糊的；需要医护人员解释结果的模型不需要清除。同时，由于担心种族和社会经济偏见的加剧，其他研究人员也在努力提高软件工具的准确性。

加利福尼亚大学的研究人员在2019年报告说，医院用于识别高危患者以进行医疗护理的算法显示，由于创建模型所使用的数据，具有相同“危险”评分的黑人患者比白人患者患病严重。由于该流行病对少数民族的影响不成比例，因此，建立无法说明其健康差异的预测模型可能会导致错误地评估其风险。

斯坦福大学的研究人员在8月发表在《美国医学信息学协会杂志》上的一篇文章中写道，少量数据样本不能代表总体患者人数，并且偏向少数群体。 “希望人工智能能够在这场危机中帮助指导治疗决策；但考虑到偏见的普遍性，在COVID-19大流行期间未能主动制定全面的缓解策略会加剧现有的健康差距，”包括斯坦福大学医学院教授Tina Hernandez-Boussard在内的作者写道。

作者表示关注的是，过度依赖人工智能（这似乎是客观的但并非如此）正被用于分配呼吸机和重症监护床等资源。他们补充说：“这些工具是建立在有偏见的数据之上，反映了有偏见的医疗保健系统，因此，即使明确地排除了诸如种族或性别之类的敏感属性，它们本身也存在着极高的偏见风险。”

西奈山的格里克斯伯格和纳德卡尼承认偏见问题的重要性。他们的模型来自曼哈顿地区，来自上东区和哈林区的患者数量各异，但是随后使用了皇后区和布鲁克林的西奈山其他医院的信息进行了验证，这些医院使用了不同患者群体的医院，这些数据使模型更加可靠。但是医生们承认，一些潜在的问题并不是他们数据的一部分。 Glicksberg说：“健康的社会决定因素，例如社会经济地位，在几乎所有与健康相关的方面都发挥着巨大作用，而这些因素并未得到准确地捕捉或无法在我们的数据中获得。” “要确定如何在不中断系统的情况下将这些模型公平有效地嵌入实践中，还有许多工作要做。”

他们的最新模型通过检查来自五家医院的多台服务器上的电子健康记录来预测Covid-19患者的状况，同时保护患者的隐私。他们发现，与基于各个医院的模型相比，该模型更健壮，并且预测效果更好。由于有限的Covid-19数据分散在许多机构中，因此医生称这种新模型在帮助预测患者的预后方面“无价之宝”。

Jehi说，克利夫兰诊所数据库现在有160,000多名患者，每位患者有400多个数据点以验证其模型。但是病毒正在变异，算法需要继续追求最佳的治疗模型。

Jehi说：“问题不在于没有足够的数据。” “问题在于，必须使用这些模型不断地对数据进行重新分析，更新和重新访问，以保持其临床价值。”