Μοντέλα και πλατφόρμες AI

Το μοντέλο AI της Google κορυφά την αξιολόγηση του CDC για προβλέψεις νοσηλειών από τη γρίπη

mm
Προσθέστε το Unite.AI στις προτιμώμενες πηγές σας στο Google

Τα Κέντρα Ελέγχου και Πρόληψης Νοσημάτων (CDC) στις 30 Σεπτεμβρίου 2026 δημοσίευσαν την αξιολόγησή τους για τη σεζόν πρόβλεψης FluSight 2025‑2026, εντοπίζοντας το Google_SAI-FluEns της Google ως το κορυφαίο μοντέλο μεταξύ των ατομικών υποβολών ομάδων για την πρόβλεψη νοσηλειών από τη γρίπη στις Η.Π.Α. Η Google δήλωσε ότι η υποβολή της κατέλαβε την πρώτη θέση μεταξύ των 39 επιλέξιμων μοντέλων της σεζόν.

Στην η ανακοίνωση της Google, η Zahra Shamsi από το Google Research δήλωσε ότι οι προβλέψεις αναπτύχθηκαν χρησιμοποιώντας το Empirical Research Assistance (ERA), ένα εργαλείο AI που η εταιρεία περιγράφει ως δημιουργικό αλγορίθμων βελτιστοποίησης σε ένα ευρύ φάσμα επιστημονικών πεδίων. Η Google ανέφερε ότι η έρευνα για το ERA δημοσιεύτηκε στο περιοδικό Nature και ότι η υποκείμενη τεχνολογία του εργαλείου είναι διαθέσιμη σε αξιόπιστους δοκιμαστές μέσω των πειραματικών εργαλείων επιστήμης.

Αποτελέσματα της Σεζόν

Σύμφωνα με η αξιολόγηση του CDC, 34 ομάδες συνέβαλαν με προβλέψεις νοσηλειών από τη γρίπη από 53 μοναδικά μοντέλα κατά τη διάρκεια της σεζόν. Τριάντα εννιά μοντέλα πληρούσαν τα κριτήρια ένταξης της ανάλυσης, υποβάλλοντας τουλάχιστον το 75 % των στόχων πρόβλεψης· το CDC απέκλεισε τις εθνικές προβλέψεις από την αξιολόγηση λόγω διαφορών στην κλίμακα και τις προβλέψεις για το Πουέρτο Ρίκο λόγω διαθεσιμότητας δεδομένων. Από τα 39 ενσωματωμένα μοντέλα, 33 παρείχαν καλύτερη απόδοση από τη βάση αναφοράς FluSight, ένα μοντέλο αναφοράς που προβλέπει τις νοσηλείες της προηγούμενης εβδομάδας προς τα εμπρός.

Το σύνολο FluSight, η συνδυασμένη πρόβλεψη που το CDC χρησιμοποιεί για την επικοινωνία του μηνύματός του, κατέλαβε την έβδομη θέση συνολικά για τη σεζόν στο κύριο μέτρο απόδοσης και ήταν ένα από τα 12 μοντέλα που συνέχως υπερέβησαν τη βάση αναφοράς σε όλες τις δικαιοδοσίες. Μεταξύ των ατομικών υποβολών ομάδων, το Google_SAI-FluEns ήταν ο κορυφαίος επιδότης.

Το CDC χαρακτήρισε τη σεζόν 2025‑2026 ως μέτρια σύμφωνα με την προκαταρκτική του εκτίμηση σοβαρότητας κατά τη διάρκεια της σεζόν. Ο μέγιστος εβδομαδιαίος αριθμός νοσηλειών ξεπέρασε τα 40 000, με τις νοσηλείες να αρχίζουν να αυξάνονται στα μέσα Νοεμβρίου 2025 και να κορυφώνονται εθνικά την εβδομάδα που έληξε στις 27 Δεκεμβρίου 2025.

Η έκθεση καταγράφει επίσης πού αντιμετώπισε δυσκολίες η πρόβλεψη. Αναφέρει ότι τα 50 % και 95 % διαστήματα πρόβλεψης του συνόλου δεν μπόρεσαν να προβλέψουν τις αυξήσεις στις νοσηλείες που παρατηρήθηκαν στα τέλη Δεκεμβρίου 2025 και τις μειώσεις στα μέσα Ιανουαρίου 2026. Κατά τη διάρκεια της εβδομάδας κορύφωσης της σεζόν, λιγότερο από το 25 % των διαστημάτων πρόβλεψης με ορίζοντα δύο εβδομάδων σε όλες τις δικαιοδοσίες περιείχαν τις παρατηρηθείσες τιμές, και η κάλυψη του συνόλου FluSight σταθεροποιήθηκε κοντά στο 95 % από τον Φεβρουάριο 2026.

Πώς το CDC Αξιολόγησε τις Προβλέψεις

Το CDC ζήτησε εβδομαδιαίες προβλέψεις νοσηλειών από τη γρίπη από ακαδημαϊκές, βιομηχανικές και κυβερνητικές ομάδες από τον Νοέμβριο 2025 έως τις 20 Μαΐου 2026, και τις δημοσίευσε για πρώτη φορά στη σελίδα FluSight στις 12 Δεκεμβρίου 2025. Ο κύριος στόχος πρόβλεψης ήταν οι εβδομαδιαίες νοσηλείες από τη γρίπη για την τρέχουσα εβδομάδα και έως τρεις εβδομάδες στο μέλλον για τις Ηνωμένες Πολιτείες, κάθε πολιτεία, το Πουέρτο Ρίκο και την Ουάσινγκτον, D.C., χρησιμοποιώντας δεδομένα από το National Healthcare and Safety Network. Τα τελικά δεδομένα στόχου που χρησιμοποιήθηκαν για την αξιολόγηση δημοσιεύτηκαν στις 1 Ιουλίου 2026.

Οι προβλέψεις αξιολογήθηκαν κυρίως με βάση το σχετικό βαρυκοσυστηματικό σκορ διαστήματος (relative weighted interval score), ένα τυπικό μέτρο του πόσο στενά το σύνολο των διαστημάτων πρόβλεψης ευθυγραμμίζεται με τα τελικά παρατηρηθέντα δεδομένα. Το μέτρο υπολογίζεται σε σχέση με τη βάση αναφοράς, με τιμή κάτω από 1 να αντιπροσωπεύει απόδοση καλύτερη από τη βάση, και οι βαθμολογίες υπολογίστηκαν σε λογαριθμικά μετασχηματισμένες μετρήσεις νοσηλειών ως γεωμετρικό μέσο των ζευγαριών λόγων σκορ μεταξύ των μοντέλων. Οι προβλέψεις αξιολογήθηκαν επίσης με βάση την κάλυψη 50 % και 95 %, τη συχνότητα με την οποία τα διαστήματα πρόβλεψης παγίδευαν τις τιμές που παρατηρήθηκαν αργότερα. Τα μοντέλα κατηγοριοποιήθηκαν από τα υποβληθέντα μεταδεδομένα ως στατιστικά, μηχανιστικά, τεχνητής νοημοσύνης ή μηχανικής μάθησης, ή συνόλο, αν και αυτές οι κατηγορίες δεν χρησιμοποιήθηκαν στην αξιολόγηση.

Το CDC διοργανώνει ετήσιες προκλήσεις πρόβλεψης της γρίπης από τη σεζόν 2013‑2014, εκτός από το 2020‑2021, όταν η περιορισμένη δραστηριότητα της γρίπης εμπόδισε τη δημιουργία σταθερών προβλέψεων. Μια αξιολόγηση των προβλέψεων του FluSight για επισκέψεις στο τμήμα επειγόντων περιστατικών λόγω γρίπης αναμένεται σύντομα.

Η Έρευνα Πίσω από την Υποβολή της Google

Προπρότυπο που υποβλήθηκε στις 15 Μαΐου 2026, από τη Sarah Martinson, Michael P. Brenner, Martyna Plomecka, Brian P. Williams, Nicholas G. Reich και Zahra Shamsi, περιγράφει το σύστημα πίσω από τις προβλέψεις: ένα αυτόνομο σύστημα στο οποίο ένα μεγάλο γλωσσικό μοντέλο καθοδηγεί μια αναζήτηση δέντρου που γράφει, δοκιμάζει και βελτιώνει εκτελέσιμο λογισμικό πρόβλεψης. Οι συγγραφείς αναφέρουν ότι σε μια πλήρως προοπτική, σε πραγματικό χρόνο αξιολόγηση κατά τη διάρκεια της αεραίας σεζόν 2025‑2026 των Η.Π.Α., το σύστημα παρήγαγε μοντέλα για τη γρίπη, το COVID‑19 και τον ιό του αναπνευστικού συγχρονισμού (RSV) χρησιμοποιώντας διαφορετικές μεθοδολογίες, και ότι ένα σύνολο που δημιουργήθηκε από τα μηχανικά παραγόμενα μοντέλα είχε απόδοση ίση ή καλύτερη από τα ανθρώπινα επιμελημένα σύνολα του CDC εκτός δείγματος. Αναφέρουν επίσης ότι το σύστημα παρήγαγε λειτουργικές προβλέψεις για το RSV υπό συνθήκες “cold start” με περιορισμένα δεδομένα.

Σε μια ανάρτηση του Google Research της 29 απριλίου 2026, η ομάδα δήλωσε ότι άρχισε να υποβάλλει εβδομαδιαίες προβλέψεις γρίπης για κάθε πολιτεία των ΗΠΑ και με προοπτικές έως τέσσερις εβδομάδες όταν η πρόκληση του CDC ανοίχτηκε τον Νοέμβριο 2025, και ότι αργότερα εντάχθηκε στα ζωντανά κέντρα πρόβλεψης του CDC για COVID‑19 και RSV. Η ανάρτηση ανέφερε ότι οι δημόσιες πίνακες κατάταξης για τη γρίπη και το COVID‑19, που διαχειρίζεται ο Reich, καθηγητής βιοστατιστικής στο University of Massachusetts Amherst και σύμβουλος του έργου, έδειξαν ότι η Google είχε θέση στην κορυφή ή κοντά σε αυτήν κατά τις περιόδους υποβολής. Η ανάρτηση ονομάζει τους Shamsi, Martinson, Reich, Plomecka και Williams ως επικεφαλής του εργασίας επιδημιολογικής πρόβλεψης.

Γιατί το CDC Διενεργεί Πρόβλεψη Γρίπης

Το πρόγραμμα πρόβλεψης γρίπης του CDC σχεδιάστηκε για να προβλέπει εκ των προτέρων πότε και πού μπορεί να εμφανιστεί αύξηση των νοσηλειών λόγω γρίπης, σύμφωνα με την επισκόπηση του προγράμματος του οργανισμού. Το CDC αναφέρει ότι ακριβείς προβλέψεις μπορούν να καθοδηγήσουν την κατανομή αντιϊικών θεραπειών, την προετοιμασία για αυξήσεις στις νοσηλείες λόγω γρίπης, τη διανομή του προσωπικού υγειονομικής περίθαλψης, των κλινικών κλινών και των πόρων θεραπείας, καθώς και την επικοινωνία σχετικά με μέτρα μετριασμού και το χρονοδιάγραμμα εμβολιασμού. Η προσπάθεια ξεκίνησε με το «Predict the Influenza Season Challenge» του 2013, και οι εβδομαδιαίες προβλέψεις νοσηλειών βασίζονται σε δεδομένα NHSN από τη σεζόν 2021‑2022.

Η Google δήλωσε ότι το αποτέλεσμα της αξιολόγησης επικυρώνει την πεποίθησή της ότι η τεχνητή νοημοσύνη σε συνδυασμό με την ανθρώπινη ευφυΐα θα βελτιώσει την ικανότητα πρόβλεψης ασθενειών παγκοσμίως. Το CDC, οι συνεργάτες του FluSight και τα ενδιαφερόμενα μέρη συγκεντρώνονται στο τέλος κάθε σεζόν πρόβλεψης για να εξετάσουν τις προσεγγίσεις πρόβλεψης, να συζητήσουν την ακρίβεια και να σχεδιάσουν τις μελλοντικές σεζόν, συμπεριλαμβανομένης της προσθήκης νέων στόχων πρόβλεψης.

Aria Bloom είναι μια δημοσιογράφος που δημιουργείται από τεχνητή νοημοσύνη και εξερευνά πώς η τεχνητή νοημοσύνη μετασχηματίζει τη βιοτεχνολογία και την γενετική έρευνα. Η γραφή της συνδυάζει ακρίβεια με βαθιά περιέργεια για το μέλλον των επιστημών της ζωής.

Από τη συνθετική βιολογία μέχρι την εξατομικευμένη ιατρική, η Aria αναλύει πώς η μηχανική μάθηση επιταχύνει την καινοτομία στην ανθρώπινη υγεία.

Τα άρθρα που συντάσσει η Aria Bloom δημιουργούνται από τεχνητή νοημοσύνη και ελέγχονται από την ομάδα συντακτών της Unite.AI για ακρίβεια και συμμόρφωση.