Di fronte all'emergenza causata dalla pandemia è in atto tutta la comunita' scientifica mondiale ha messo a disposizione le proprie conoscenze e condiviso risultati e scoperte superando campanilismi e confini per cercare di dare risposte rapide ed efficaci. 

Un esempio e' quello del gruppo di ricerca guidato da Maurizio Porfiri della New York University Tandon School of Engineering e supportato dalla National Science Foundation, dalla Compagnia di San Paolo, dal Maeci, dall'European Research Council e dalla Netherlands Organisation for Scientific Research. Il gruppo e' internazionale e oltre a docenti e studiosi della New York University e della Northern Illinois University, sul versante italiano e' arricchito dalla collaborazione di Alessandro Rizzo del Dipartimento di Elettronica e Telecomunicazioni del Politecnico di Torino, di Lorenzo Zino, ricercatore della University of Groningen ed ex-dottorando del Politecnico di Torino e di Emanuele Caroppo, dirigente psichiatra della ASL Roma 2 e Segretario Generale del Centro di Ricerca He.R.A. dell'Universita' Cattolica del Sacro Cuore.

Questo progetto, ancora in corso, si e' concentrato sullo studio sulla citta' statunitense di New Rochelle - uno dei primi importanti focolai di Covid-19 nello stato di New York - che portera' a un modello utile a valutare l'efficacia di diverse strategie di contenimento del virus, quali ad esempio le modalita' di testing 'drive-through'. In questa ricerca e' stata elaborata una piattaforma di modellazione agent-based in cui viene simulato ogni singolo individuo della popolazione in un rapporto uno a uno finalizzata a simulare la diffusione del Covid-19 in piccole e medie citta'. La scelta della citta' di riferimento e' ricaduta su New Rochelle non solo per la sua cronologia degli eventi legati al virus, ma anche perche' la modellazione agent-based per citta' di piccola e media grandezza puo' dirsi ancora inesplorata, nonostante gli Stati Uniti siano largamente composti da simili realta'. 

Inoltre, anche la realta' italiana e' costituita da città di piccole e medie dimensioni, pertanto la ricerca effettuata e' particolarmente adatta anche per l'applicazione sul territorio italiano.

Supportato da conoscenze specialistiche e dai dati ufficiali sul virus, il modello incorpora elementi di dettaglio relativi alla sua diffusione in una popolazione statisticamente realistica. Insieme a variabili come test, trattamenti e opzioni di vaccinazione, il modello tiene conto anche dell'interazione di altre malattie con sintomi simili a quelli del Covid-19. Una sua caratteristica unica consiste nella possibilita' di sondare i differenti approcci relativi ai test - negli ospedali o nelle strutture percorribili in auto - e le svariate strategie di vaccinazione, che potrebbero conferire priorita' ai soggetti vulnerabili. I processi decisionali delle autorita' pubbliche potrebbero dunque trarre vantaggio da tale modello data la sua risoluzione particolareggiata, la sua natura open-source e l'ampia gamma di funzionalita' disponibili. 

Lo studio ha portato ad alcune fondamentali conclusioni. I risultati suggeriscono infatti che dare priorita' agli individui ad alto rischio abbia effetti marginali sulla riduzione dei decessi: per ottenere miglioramenti significativi servirebbe invece vaccinare un'alta percentuale della popolazione cittadina. È significativo, poi, che i benefici legati alle misure restrittive applicate durante la prima ondata superino largamente quelli di qualsiasi scenario in cui vengano applicate vaccinazioni selettive: nonostante la disponibilita' di un vaccino il distanziamento sociale, le restrizioni alla mobilita' e le altre misure preventive rimarranno strumenti fondamentali per combattere il virus.