ทีมนักวิจัยได้พัฒนาโมเดลแมชชีนเลิร์นนิงที่ดึงจากเนื้อหาของบทความข่าวเพื่อคาดการณ์สถานที่ที่มีความเสี่ยงต่อความไม่มั่นคงทางอาหารได้อย่างมีประสิทธิภาพ แบบจำลองนี้สามารถใช้เพื่อช่วยจัดลำดับความสำคัญของการจัดสรรความช่วยเหลือด้านอาหารฉุกเฉินในภูมิภาคที่เปราะบาง นับเป็นการปรับปรุงจากการวัดผลที่มีอยู่ "แนวทางของเราสามารถปรับปรุงการคาดการณ์การระบาดของวิกฤตอาหารได้อย่างมากล่วงหน้าถึง 12 เดือน โดยใช้ทั้งสตรีม ข่าว ตามเวลาจริงและแบบจำลองการทำนายที่ง่ายต่อการตีความ" ซามูเอล เฟรแบร์เกอร์ นักวิจัยรับเชิญแห่งสถาบัน Courant Institute ของมหาวิทยาลัยนิวยอร์กกล่าว นักวิทยาศาสตร์ข้อมูลที่ธนาคารโลก และเป็นผู้เขียนงานวิจัย ซึ่งปรากฏในวารสาร "การวัดปัจจัยเสี่ยงความไม่มั่นคงทางอาหารแบบดั้งเดิม เช่น ดัชนีความรุนแรงของความขัดแย้งหรือการเปลี่ยนแปลงของราคาอาหาร มักจะไม่สมบูรณ์ ล่าช้า หรือล้าสมัย" ลักษมีนารายัน ซูบรามาเนียน ศาสตราจารย์แห่งสถาบัน Courant และหนึ่งในผู้เขียนรายงานกล่าวเสริม "วิธีการของเราใช้ประโยชน์จากความจริงที่ว่าปัจจัยเสี่ยงที่ก่อให้เกิดวิกฤตอาหารถูกกล่าวถึงในข่าวก่อนที่จะสามารถสังเกตได้ด้วยการวัดแบบดั้งเดิม"