隨著特定國(guó)家病例數(shù)的減少，預(yù)測(cè)模型從指數(shù)呈現(xiàn)模式（表明病毒呈指數(shù)傳播）過渡到線性呈現(xiàn)模式（表明感染趨于穩(wěn)定）。意大利的病毒傳播曲線在4月初開始進(jìn)入這種線性模式。SEIR同時(shí)預(yù)測(cè)美國(guó)將在4月15日至20日之間進(jìn)行類似的傳播過渡，這也與美國(guó)衛(wèi)生計(jì)量和評(píng)估研究所的預(yù)測(cè)成果不謀而合。

該模型還預(yù)測(cè)，在感染率進(jìn)入停滯期之前，美國(guó)的感染人數(shù)將達(dá)到60萬之多�！叭绻�我們放松檢疫措施，可能會(huì)導(dǎo)致災(zāi)難。如果美國(guó)過早放松檢疫措施、開城復(fù)工，模型預(yù)計(jì)感染的人數(shù)將指數(shù)型飆升�！盡IT研究團(tuán)隊(duì)擔(dān)憂地說道。他們根據(jù)預(yù)測(cè)數(shù)據(jù)進(jìn)一步得出，考慮到病毒潛在的持續(xù)性影響，隔離政策極有可能持續(xù)到2022年，這也就意味著人們的生活會(huì)受到長(zhǎng)期改變。

團(tuán)隊(duì)將發(fā)病潛伏期、癥狀持續(xù)時(shí)間、死亡率、地方性人口密度和人口運(yùn)動(dòng)傾向的函數(shù)參數(shù)也加入到數(shù)據(jù)子集中，在持續(xù)52周（364天）的75次模擬過程中，預(yù)測(cè)結(jié)果顯示，那些將感染率控制到5％至10％區(qū)間的社區(qū)都經(jīng)歷了一個(gè)較低的感染峰值，即數(shù)據(jù)曲線圖上存在一個(gè)下陷的小陡坡，這表明隔離政策已在發(fā)揮實(shí)效。

另外，MIT國(guó)際研究小組利用百度提供的人口移動(dòng)數(shù)據(jù)，得出了COVID－19在中國(guó)城市中傳播的數(shù)據(jù)曲線。他們發(fā)現(xiàn)，在實(shí)施隔離控制和遏制措施后，有19例病例的傳播率和其地理移動(dòng)性之間的相關(guān)性開始下降，與此同時(shí)，大多數(shù)地區(qū)的病例增長(zhǎng)率呈現(xiàn)負(fù)值，這表明這些措施有效緩解了COVID－19病例的傳播。

不過，即使是最好的人工智能模型（比如最早由HealthMap、Metabiota和BlueDot開發(fā)的能準(zhǔn)確識(shí)別COVID－19傳播的模型）也只能從歷史數(shù)據(jù)中加以學(xué)習(xí)和預(yù)測(cè)。正如布魯金斯研究所（Brookings Institute）在最近的一份報(bào)告中所指出的那樣，雖然一些流行病學(xué)預(yù)測(cè)模型使用了AI助手來協(xié)助分析數(shù)據(jù)，但它們?cè)诤艽蟪潭壬弦廊灰劳杏诮y(tǒng)計(jì)數(shù)據(jù)集來運(yùn)作，對(duì)此，研究團(tuán)隊(duì)表示：“僅憑AI計(jì)算能力不足以評(píng)估預(yù)測(cè)結(jié)果。如果管理不當(dāng)，AI算法所找出的數(shù)據(jù)模式可能與實(shí)際數(shù)據(jù)結(jié)果相悖�！�

不過，盡管SEIR模型存在一定理論缺陷，但其呈現(xiàn)的結(jié)果仍在提醒我們，即便病毒傳播似乎已進(jìn)入了舒緩期，我們依然要時(shí)刻保持警惕，目前平靜的態(tài)勢(shì)還并不穩(wěn)定，不能因此而松懈。