在4月初发表的一篇预印学术论文中,麻省理工学院的研究人员描述了一个模型,该模型量化了检疫措施对新COVID-19传播的影响。 与迄今提出的大多数模型不同,这种模型不依赖于关于以往疫情的研究数据,如SARS或MERS。 相反,它使用一种人工智能算法来捕获被隔离的受感染个体的数量,使用SEIR模型将人分为“易感”、“暴露”、“感染”和“恢复”等类别。

这种方法可能达到比以前的工作更高或可比的准确性,这可能有助于更好地告知政府、卫生系统和非营利组织,因为它们在社会距离方面作出治疗和政策决定。 例如,该模型发现,在韩国等有政府直接干预的地方,病毒传播速度更快。

“我们的模型表明,检疫限制成功地使有效繁殖数从大于一个到小于一个。 麻省理工学院(MIT)机械工程教授乔治·巴巴斯塔希斯(George Barbastat his)表示,该模型正在学习我们所谓的“检疫控制强度函数”。 D.候选人RajDandekar作为最终类项目的一部分。 “这与我们可以使曲线变平并开始减少感染的点相对应。

麻省理工学院的模型是在每个地区(分别于1月24日、2月27日和2月22日对武汉、意大利、韩国和韩国)记录了第500起案件从武汉()、意大利、韩国和美国收集的数据进行培训的,直到4月1日。 经过500次迭代,它学会了预测感染传播的模式,得出了检疫措施与减少病毒有效繁殖数之间的相关性。