FDA 器械与放射健康中心（CDRH）主任 Jeff Shuren 表示，“FDA 致力于通过新的筛查工具继续支持创新方法来对抗 COVID-19 大流行。结合使用这种可以表明某些生物标志物存在的新型筛选设备，以及进行温度检查，可以帮助识别可能感染病毒的人，从而有助于减少 COVID-19 在各种公共场所的传播，包括医疗卫生设施、学校、工作场所、主题公园、体育馆和机场。”
FDA 强调指出，Tiger Tech COVID Plus Monitor 不是诊断设备，不得用于诊断或排除 SARS-CoV-2 感染。该设备旨在用于不发烧的个体。个体的潜在健康状况可能会干扰设备与 COVID-19 相关的性能，并可能导致错误的筛查结果。
在过去一年中，机器学习已经被探索作为筛查 COVID-19 的一种方法，尤其是帮助读取胸部 X 光和 CT 扫描以查看肺中的病毒迹象，然而，剑桥大学的研究人员发现这些模型中的大多数都没有达到标准[1]。他们发现，在科学论文中描述的 300 多种计算机模型都不适合用于检测数字医学图像中的感染，这主要是由于方法学上的缺陷，缺乏可重复性以及数据收集不良或数据集太小的偏差所致。
例如，训练算法对从儿童扫描获得的无感染图像进行训练，并将其与成人的阳性扫描进行比较，导致 AI 可以主要说明儿童和成人之间的差异，而不是谁患病，因为儿童患 COVID-19 的可能性要小很多。
[1] Roberts, M., Driggs, D., Thorpe, M. et al. Common pitfalls and recommendations for using machine learning to detect and prognosticate for COVID-19 using chest radiographs and CT scans. Nat Mach Intell 3, 199–217 (2021). https://doi.org/10.1038/s42256-021-00307-0
