人工智能的医学潜力从未像现在这样重要。全世界范围内，数据驱动技术正在帮助我们应对。

一家软件公司在世界卫生组织(WHO)召开的九天前就发现武汉的病例有所增加。开发中的工具包括一个机器学习应用程序，该应用程序将Facebook帖子与专家疾病描述进行比较以查明爆发位置，以及生成大量药物原型供科学家评估的软件。

澳大利亚不想错过由数据驱动的医疗保健和临床实践的好处。

然而，随着AI在全球医疗保健中的重要性不断增强，对其进行调节的最佳方法仍不清楚。在大流行爆发前不久，澳大利亚提出的监管解决方案是将AI脚的AI植入医疗器械的治疗商品管理局(TGA)制度中。

如果澳大利亚要完全实现医疗AI的好处，包括作为COVID重置数字经济的全球创新者，这可能证明是一个错误的转变。医疗AI具有三个特征，很难适应医疗器械法规。

人工智能无法衡量，它可以推断。

许多医疗设备会测量人体的内部功能(例如血压)，而临床医生会使用该输出信息来做出决策。监管部门的批准是基于经过认证的实验室进行的测试，以验证医疗设备的可靠性和准确性。

由于机器现在经常嵌入软件，因此这些实验室评估软件的可靠性以及机械可靠性。这与评估AI应用程序有很大不同。AI是概率性的，产生的推论不是精确的计算。批准过程需要评估AI统计推断的质量。但是医疗AI的潜在风险或收益也更多地取决于围绕其输出而做出的人为决定。

因此，对医学AI的评估需要在AI本身之外应用更广泛的视角，评估医学知识，协议和决策如何可能将AI输出解释并转化为患者结果。这似乎更像是规范医学实践，而不是孤立地对单个医疗设备进行实验室测试。

人工智能在工作中学习

在不断增长的机器学习AI类别中，使用的工具越多，输出就越正确。AI / ML改进了其推理，以理想方式在基础数据集中按比例淹没统计错误。

对于监管机构而言，这种持续改进尤其具有挑战性，因为有可能会更改用于评估何时输入数据的工具。但是通过关闭该学习功能将其放在过于困难的篮子中将是一个错误。机器学习可以帮助AI以我们独自无法实现的方式增强我们的能力。