和志愿者,我们可能会做得更多。例如,对于确诊的居家 COVID-19 患者,可以开发纵向音频测试来确定与医院联系的建议,对于最危重的 COVID-19 患者,可以开发成功率预测测试,包括患者临床数据,以确定 ICU 分配的优先级。作为对工程界的挑战,并在我们的临床试验背景下,作者建议每天分发咳嗽记录,希望其他试验和众包用户能够贡献更多数据。以前处理复杂 AI 任务的方法要么使用静态数据集,要么是由大公司领导的私人努力。所有现有的 COVID-19 试验也都遵循这一范例。相反,我们建议采用一种新颖的开放式集体方法来实现大规模实时医疗保健 AI。我们将在 https://opensigma.mit.edu 发布更新。我们个人认为,我们的方法对于大规模流行病来说是正确的,因此会继续存在 - 你会加入吗?