基斯和福勒就假设在一次疫情中，朋友组比随机组更快地传染上疾病，因为随机组一般比朋友组离社交中心远。实验结果令人震惊。在2009年的流感疫情中，朋友组比随机组平均早14天感染上流感病毒。

我们希望社会科学能够识别出新的“哨兵”来监控新疫情，并早点捕获它们。但是确定人与人间的朋友关系是要花时间的——我们在一所单独的学校办得到，在全国范围内也许就不行了。当前巨大的在线社交网络中自我确认的朋友，也许让这项任务更容易完成了。像Facebook这样的在线社交网络虽然不是为监控疫情之便而设计，但却创造了相对便利的监测系统，能够被用于确定疾病的出现频率，识别社会性“哨兵”，也许最终会就一种新型感染源在一个社区的扩散提供预警。

当约翰·斯诺于1854年首创地理信息系统时，他所采取的行动在我们今天看来，十分合乎逻辑且直截了当。他绘制了一张地图，标注了病人所在的位置以及可能的污染源。斯诺不可能预测到他所迈出的尝试性的第一步将最终走向何方，或者预测到今天的GIS可使用的数据。

未来可能不会出现一种数据包打天下的局面。如果斯诺生活在今天的社会，要调查一次疫情，他会想要得到所有数据：病患在什么地方；如何通过短信或者互联网搜索能更迅速、便捷地得到数据；病例是被什么所传染，甚至是被什么特有的微生物的基因株传染；如何最大限度地使用呼叫数据，记录监控人们的流动，以便追踪疾病的流动或者孕育疾病之所；人们是如何进行社会性联系的——他应该会追踪可能的首批感染者，或者是比其他人先出现病症的人。

你可以想象一下未来的疫情GIS，或者用硅谷人更为熟悉的术语——我们的数据团队负责人拉奇·古拉斯卡拉称其为未来的疫情聚合图（mash-up）：包含着层层关键信息的一幅地图——有人们所在的位置、他