了解讓AI真正破壞COVID-19的裝甲，開發人員需要更好地將大數據分析與前線醫療工作者的定期更新輸入聯系起來。換句話說，分配給COVID案例的AI需要結合人在環機器學習或“ HIL ML”。

一家醫療保健AI公司的高管在布魯金斯學會（Brookings Institution）在線發表的意見書中詳細說明了機會的細節。

總部位于西雅圖的巨眼公司的德魯·阿倫斯（Drew Arenth）寫道：“幾十年來，根本性的脫節阻礙了醫療保健-那些提供護理的人在提供護理的方式上發言權最少。”“使用HIL ML可以使受過教育和充滿激情的衛生工作者社區的干擾得到最小程度的解決。”

Arenth指出，將HIL ML定義為從人們那里接收數據豐富的見解，對其進行實時分析并共享建議的過程，他指出，醫療保健領域的AI已取得成功，但總體上未得到充分利用。

他寫道：“ COVID-19是我們這個時代最大的全球危機：直接的健康挑戰，以及對社會經濟和心理健康的持續時間未知的挑戰。”“缺乏以數據為依據的決策，以及缺乏自適應和預測技術，這些都延長了并加劇了COVID-19的損失。這些技術的采用將幫助我們重建健康和社會。”