AWS發(fā)布的工具集，讓用戶可以以各種區(qū)域粒度層級，模擬新冠肺炎（COVID-19）的疫情發(fā)展，通過給定一定程度的干預(yù)政策，模型會輸出目標(biāo)國家在特定時(shí)間內(nèi)，已確診病例總數(shù)預(yù)測�，F(xiàn)在AWS將該工具開源給研究人員使用。
不少研究人員正在致力于預(yù)測新冠肺炎疫情發(fā)展，以預(yù)測暴露、康復(fù)和具有免疫力人口的百分比，除了現(xiàn)在可以從各組織與機(jī)構(gòu)拿到的新冠肺炎資料之外，研究人員也利用流感、SARS和MERS等類似疾病的歷史資料，構(gòu)建流行病學(xué)模型和模擬器。
但AWS提到，要模擬真實(shí)世界所有的復(fù)雜性，是一件非常困難的事，在創(chuàng)建新冠肺炎預(yù)測模型的過程，會遭遇到幾項(xiàng)困難，包括必需要考慮影響病毒在國家和人群間傳播的參數(shù)，也要納入不同干預(yù)政策所帶來的影響，像是停課或是禁止外出命令等，再通過其他類似新冠肺炎的疾病，模擬出新冠肺炎的預(yù)測模型，畢竟對人類來說，新冠肺炎還是相對未知的疾病，沒有其他歷史資料可作參考。
現(xiàn)在AWS對研究人員和資料科學(xué)家，開源了建模工具集，讓用戶能夠更方便地創(chuàng)建模型，并且了解新冠肺炎在特定社群的發(fā)展，該工具集是由疾病發(fā)展模擬器，和幾個機(jī)器學(xué)習(xí)模型組合，能夠用來測試各種干預(yù)政策帶來的影響。機(jī)器學(xué)習(xí)模型可以通過評估疾病發(fā)展，并將結(jié)果與歷史資料進(jìn)行比對，來初始化系統(tǒng)，接著用戶就可以使用模型學(xué)習(xí)到的參數(shù)，進(jìn)行各種不同場景模擬。
AWS在開源工具集中，提供了多個筆記本，可以直接用在美國、歐洲和印度，以州的層級進(jìn)行場景模擬，這些筆記本使用了各種資料源，包括卡內(nèi)基梅隆大學(xué)、約翰霍普金斯大學(xué)等，還有Google搜索與臉書的調(diào)查趨勢，再加上2009年到2010年的H1N1歷史資料。
AWS使用工具集預(yù)測多個國家的新冠肺炎疫情趨勢，作為工具集使用范例。模擬顯示，法國正在面對第2波疫情中的高峰，而這波疫情將會持續(xù)約6個月，其模式與H1N1的趨勢相似，而美國在3個月內(nèi)，也將會迎來第2波疫情高峰。印度的疫情發(fā)展，與AWS模型模擬預(yù)測結(jié)果高度相符（下圖），也就是說，如果印度仍然維持現(xiàn)有的干預(yù)政策，則很快的就會開始第2波疫情，并在明年2月中達(dá)到高峰。整體而言，在入秋之后，新冠肺炎疫情的模式，將會更像H1N1。
根據(jù)目前人類對新冠肺炎的研究，AWS在模型加入了數(shù)項(xiàng)限制，像是模型預(yù)期在高斯分布之后，會有多波感染潮，AWS提到，這種模式跟過去流感大流行相符。而目前疾病模型并不能預(yù)測死亡率，且由于幾率因素，因此模擬的人口規(guī)模必需要夠大，AWS提到，在模型中假設(shè)1個新冠肺炎病患，會傳染給3個人，但是最近的研究顯示，這個數(shù)字會因人群而不同，因此這個數(shù)字是可調(diào)參數(shù)。
