MIT SEIR模型:有必要將疫情隔離政策延續到2022年
隨著特定國家病例數的減少,預測模型從指數呈現模式(表明病毒呈指數傳播)過渡到線性呈現模式(表明感染趨于穩定)。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,美國的感染人數將達到60萬之多。“如果我們放松檢疫措施,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將指數型飆升。”MIT研究團隊擔憂地說道。他們根據預測數據進一步得出,考慮到病毒潛在的持續性影響,隔離政策極有可能持續到2022年,這也就意味著人們的生活會受到長期改變。
團隊將發病潛伏期、癥狀持續時間、死亡率、地方性人口密度和人口運動傾向的函數參數也加入到數據子集中,在持續52周(364天)的75次模擬過程中,預測結果顯示,那些將感染率控制到5%至10%區間的社區都經歷了一個較低的感染峰值,即數據曲線圖上存在一個下陷的小陡坡,這表明隔離政策已在發揮實效。
另外,MIT國際研究小組利用百度提供的人口移動數據,得出了COVID-19在中國城市中傳播的數據曲線。他們發現,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性開始下降,與此同時,大多數地區的病例增長率呈現負值,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開發的能準確識別COVID-19傳播的模型)也只能從歷史數據中加以學習和預測。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助手來協助分析數據,但它們在很大程度上依然依托于統計數據集來運作,對此,研究團隊表示:“僅憑AI計算能力不足以評估預測結果。如果管理不當,AI算法所找出的數據模式可能與實際數據結果相悖。”
不過,盡管SEIR模型存在一定理論缺陷,但其呈現的結果仍在提醒我們,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,目前平靜的態勢還并不穩定,不能因此而松懈。
請輸入評論內容...
請輸入評論/評論長度6~500個字
最新活動更多
- 1 AI狂歡遇上油價破百,全球股市還能漲多久? | 產聯看全球
- 2 OpenAI深夜王炸!ChatGPT Images 2.0實測:中文穩、細節炸,設計師慌了
- 3 6000億美元估值錨定:字節跳動的“去單一化”突圍與估值重構
- 4 Tesla AI5芯片最新進展總結
- 5 連夜測了一波DeepSeek-V4,我發現它可能只剩“審美”這個短板了
- 6 熱點丨AI“瑜亮之爭”:既生OpenClaw,何生Hermes?
- 7 AI界的殺豬盤:9秒刪庫跑路,全員被封號,還繼續扣錢!
- 8 2026,人形機器人只贏了面子
- 9 DeepSeek降價90%:價格屠夫不是身份,是戰略
- 10 AI Infra產業鏈卡在哪里了?


分享













