静态算法，演变的疫情：理解人类-AI风险评估支持地区过量预防的潜力

药物过量死亡（包括处方类阿片导致的死亡）是美国及全球关键的公共卫生问题。人工智能方法已被开发和部署以帮助处方者评估患者过量死亡风险，但公共卫生专家是否可以利用类似预测更有效地做出本地资源配置决策尚不清楚。在这项工作中，我们评估了基于AI的过量风险评估如何用于告知地方公共卫生决策，使用了一个工作原型系统。来自三个卫生部门、规模和人员配置各异的专家对算法风险预测的潜在好处和利用AI增强可视化连接数据源表示感兴趣。然而，他们也对风险预测模型的构建及其底层数据是否与其特定地点的疫情演变状态相匹配表示担忧。我们的发现扩展了公共部门算法系统的其他研究，为未来支持本地、时间变化情境中决策的人机协作工具提供了机会。