Covid-19: Data Quality and Considerations for Modeling and Analysis
GAO 的发现COVID-19 大流行的迅速蔓延和严重程度凸显了拥有描述 COVID-19 潜在轨迹的高质量数据、分析和模型的重要性，以帮助了解该疾病在美国的影响美国疾病控制与预防中心 (CDC) 正在与州、地方、学术界和其他合作伙伴合作，使用多个监测系统收集美国境内的 COVID-19 数据。这些监测系统的数据有助于了解疾病，但决策者和分析人员必须了解其局限性，以便正确解释它们。例如，据 CDC 和其他机构称，由于多种原因，报告的 COVID-19 病例数的监测数据不完整，并且低估了真实病例数。有多种方法可以分析 COVID-19 数据产生不同的见解。例如，一些方法可以帮助比较疾病对不同人群
GAO 的发现根据机构官员等利益相关者的说法，机器学习——人工智能 (AI) 的一个领域，其中软件从数据中学习以执行任务——已经用于药物开发，并具有改变该领域的潜力，行业代表和学术研究人员。机器学习应用于整个药物开发过程，可以提高其效率和有效性，减少将新药推向市场所需的时间和成本。这些改进可以通过更快地向有需要的患者提供药物来拯救生命并减少痛苦，并且可以让研究人员在罕见或孤儿疾病等领域投入更多资源。机器学习可以加速药物开发这套技术可以筛选更多化合物并在比当前过程更短的时间内将有前途的候选药物归零。药物开发早期步骤中的机器学习示例包括：药物发现：研究人员正在识别新的药物靶标，筛选用于新治疗应用的
