随着特定国家病例数的减少，预测模型从指数呈现模式（表明病毒呈指数传播）过渡到线性呈现模式（表明感染趋于稳定）。意大利的病毒传播曲线在4月初开始进入这种线性模式。SEIR同时预测美国将在4月15日至20日之间进行类似的传播过渡，这也与美国卫生计量和评估研究所的预测成果不谋而合。
该模型还预测，在感染率进入停滞期之前，美国的感染人数将达到60万之多。“如果我们放松检疫措施，可能会导致灾难。如果美国过早放松检疫措施、开城复工，模型预计感染的人数将指数型飙升。”MIT研究团队担忧地说道。他们根据预测数据进一步得出，考虑到病毒潜在的持续性影响，隔离政策极有可能持续到2022年，这也就意味着人们的生活会受到长期改变。
团队将发病潜伏期、症状持续时间、死亡率、地方性人口密度和人口运动倾向的函数参数也加入到数据子集中，在持续52周（364天）的75次模拟过程中，预测结果显示，那些将感染率控制到5％至10％区间的社区都经历了一个较低的感染峰值，即数据曲线图上存在一个下陷的小陡坡，这表明隔离政策已在发挥实效。
另外，MIT国际研究小组利用百度提供的人口移动数据，得出了COVID－19在中国城市中传播的数据曲线。他们发现，在实施隔离控制和遏制措施后，有19例病例的传播率和其地理移动性之间的相关性开始下降，与此同时，大多数地区的病例增长率呈现负值，这表明这些措施有效缓解了COVID－19病例的传播。
不过，即使是最好的人工智能模型（比如最早由HealthMap、Metabiota和BlueDot开发的能准确识别COVID－19传播的模型）也只能从历史数据中加以学习和预测。正如布鲁金斯研究所（Brookings Institute）在最近的一份报告中所指出的那样，虽然一些流行病学预测模型使用了AI助手来协助分析数据，但它们在很大程度上依然依托于统计数据集来运作，对此，研究团队表示：“仅凭AI计算能力不足以评估预测结果。如果管理不当，AI算法所找出的数据模式可能与实际数据结果相悖。”
不过，尽管SEIR模型存在一定理论缺陷，但其呈现的结果仍在提醒我们，即便病毒传播似乎已进入了舒缓期，我们依然要时刻保持警惕，目前平静的态势还并不稳定，不能因此而松懈。
