隨著特定國家病例數(shù)的減少，預測模型從指數(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月初開始進入這種線性模式。SEIR同時預測美國將在4月15日至20日之間進行類似的傳播過渡，這也與美國衛(wèi)生計量和評估研究所的預測成果不謀而合。

該模型還預測，在感染率進入停滯期之前，美國的感染人數(shù)將達到60萬之多�！叭绻�我們放松檢疫措施，可能會導致災難。如果美國過早放松檢疫措施、開城復工，模型預計感染的人數(shù)將指數(shù)型飆升�！盡IT研究團隊擔憂地說道。他們根據(jù)預測數(shù)據(jù)進一步得出，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受到長期改變。

團隊將發(fā)病潛伏期、癥狀持續(xù)時間、死亡率、地方性人口密度和人口運動傾向的函數(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，預測結(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)歷了一個較低的感染峰值，即數(shù)據(jù)曲線圖上存在一個下陷的小陡坡，這表明隔離政策已在發(fā)揮實效。

另外，MIT國際研究小組利用百度提供的人口移動數(shù)據(jù)，得出了COVID－19在中國城市中傳播的數(shù)據(jù)曲線。他們發(fā)現(xiàn)，在實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性之間的相關(guān)性開始下降，與此同時，大多數(shù)地區(qū)的病例增長率呈現(xiàn)負值，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)的能準確識別COVID－19傳播的模型）也只能從歷史數(shù)據(jù)中加以學習和預測。正如布魯金斯研究所（Brookings Institute）在最近的一份報告中所指出的那樣，雖然一些流行病學預測模型使用了AI助手來協(xié)助分析數(shù)據(jù)，但它們在很大程度上依然依托于統(tǒng)計數(shù)據(jù)集來運作，對此，研究團隊表示：“僅憑AI計算能力不足以評估預測結(jié)果。如果管理不當，AI算法所找出的數(shù)據(jù)模式可能與實際數(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入了舒緩期，我們依然要時刻保持警惕，目前平靜的態(tài)勢還并不穩(wěn)定，不能因此而松懈。