而不久之后，创业公司Aime开始提供一个预测登革热爆发地点和时间的工具，准确率可以达到84% 。
2018年，南卡罗莱纳大学的科学家开发了一种算法，可以帮助机构更经济有效地调整其服务范围。
研究人员使用印度结核病预防和美国淋病预防的真实数据进行了测试研究，结果表明，该算法可以预防8000例结核病和20000例淋病。
同样具有预测模型面临的缺陷
尽管赢咖4有望成为全球卫生流行病规划工具，但要记住，任何疾病预测算法都无法避免预测模型面临的缺陷。
以谷歌2008年发布的Flu Trends为例。
它提供超过25个国家流感活动的估计，监测数百万用户的健康追踪行为，可以揭示人口是否隐藏任何类似流感的疾病。
但由于流感报道在新闻中的地位较为突出，搜索量的增加使得关于流感趋势聚合查询的方式，可能夸大了预测的比率。
而在IBM Waston提供了的一个类似流感预测工具中，将预测窗口限制为15天。
为了克服这种缺陷，一些公司正在开发新的方法来解决系统内部的偏见(bias)，并验证其准确性。
Metabiota的平台根据疾病的症状、死亡率和治疗可行性等信息，来评估疾病传播的风险。
目前正在与美国情报机构和国防部，就与这次新型冠状病毒有关的问题进行合作。
而BlueDot的系统，使用自然语言处理和机器学习算法，通过每天分析65种语言、约10万篇文章来跟踪100个传染病。
包括旅行路线信息和航班路径，以及一个地区的气候、温度和当地牲畜的信息。
无论有效与否，在未来几年，开发能够跟踪疾病传播的自动化系统速度将会提高。
Bcc Research 的分析师表示，到2023年，数字病理学和流行病学市场预计将达到102亿美元 (高于2018年的48亿美元) ，这主要得益于计算可扩展性和模型特征工程方面的创新。
