麻省理工学院利用公开数据和机器学习建模，研究放宽全球封锁规定可能对新冠病例造成的影响。
新加坡等国家在病例数趋于平稳后减少了隔离措施，随后感染病例再次激增，出现第二波疫情。
麻省理工学院开发了一种新模型，用于模拟新冠病毒感染的传播。该模型基于公开数据，并结合成熟的疫情流行病学方程和基于神经网络的推断方法。该模型在一份新报告中有详细介绍；用涵盖1月下旬至3月初的数据进行训练后，模型能够准确预测世界不同地区截至4月1日前的实际传播情况。模型还显示，立即或近期放松或撤销现行隔离措施，将导致感染人数“指数级激增”。
麻省理工学院的研究人员试图开发一种仅基于新冠疫情数据的模型，而其他研究者则利用非典或中东呼吸综合征的信息来描绘疫情发展情况。研究人员将现有新冠疫情信息与基于神经网络的估算相结合，估算有效隔离中的感染者人数；这些人因此不再可能对他人构成感染风险。与现有模型相比，这种方法能够更准确地模拟和预测社交距离与隔离措施的效果，以及缩减或取消这些措施可能带来的影响。
麻省理工学院的模型显示，美国和意大利的新冠感染病例目前都将在未来一周左右达到平台期，这与现有预测相符。这听起来是个令人鼓舞的消息；就感染患者人数和医疗系统所受影响而言，确实如此。但绝不能据此认为届时就可以开始放松现行措施。
事实上，模型开发者、麻省理工学院机械工程教授乔治·巴巴斯塔西斯表示，研究得出的结论是，“我们预测，过早放松隔离措施将造成严重得多的灾难性后果”。这一结果与新加坡过早开始放松自身措施后出现的类似第二波疫情反弹相比，后果要严重得多。
