Google AI-modell topper CDC-evalueringen av influensasykehusinnleggsprognoser

Centers for Disease Control and Prevention den 30. september 2026 publiserte sin evaluering av 2025‑2026 FluSight‑prognosesesongen, og identifiserte Googles Google_SAI-FluEns som den best presterende modellen blant individuelle teaminnsendelser for prognoser av influensasykehusinnleggelser i USA. Google oppga at deres bidrag rangert først blant sesongens 39 kvalifiserte modeller.

I Googles kunngjøring sa Zahra Shamsi fra Google Research at prognosene ble utviklet ved bruk av Empirical Research Assistance (ERA), et AI‑verktøy som selskapet beskriver som å generere optimaliseringsalgoritmer på tvers av en rekke vitenskapelige felt. Google oppga at forskning på ERA ble publisert i tidsskriftet Nature, og at verktøyets underliggende teknologi er tilgjengelig for betrodde testere gjennom deres eksperimentelle vitenskapelige verktøy.

Sesongens resultater

Ifølge CDCs evalueringsrapport bidro 34 team med prognoser for influensasykehusinnleggelser fra 53 unike modeller i løpet av sesongen. Trettini modeller oppfylte analysens inklusjonskriterier ved å levere minst 75 % av prognosemålene; CDC ekskluderte nasjonale prognoser fra poengsetting på grunn av forskjeller i skala og Puerto Rico‑prognoser på grunn av datatilgjengelighet. Av de 39 inkluderte modellene presterte 33 bedre enn FluSight‑basisen, en referansemodell som projiserer forrige ukes innleggelser fremover.

FluSight‑ensemblet, den kombinerte prognosen CDC bruker for å formidle sine meldinger, rangert som syvende totalt for sesongen på hovedytelsesmålet og var en av 12 modeller som konsekvent overgikk basisen i alle jurisdiksjoner. Blant de individuelle teaminnsendingene var Google_SAI-FluEns den beste.

CDC karakteriserte 2025‑2026‑sesongen som moderat i sin foreløpige in‑season alvorlighetsvurdering. Det høyeste ukentlige antallet sykehusinnleggelser oversteg 40 000, med innleggelser som begynte å øke i midten av november 2025 og nådde nasjonalt topp i uken som sluttet 27. desember 2025.

Rapporten dokumenterer også hvor prognostisering hadde vanskeligheter. Den viser at ensemblets 50 % og 95 % prediksjonsintervaller ikke klarte å forutsi økningen i innleggelser som ble observert sent i desember 2025, samt nedgangen i midten av januar 2026. Rundt sesongens toppeuke inneholdt mindre enn 25 % av to‑ukers‑horisont‑prognosens prediksjonsintervaller på tvers av jurisdiksjoner de observerte verdiene, og FluSight‑ensemblets dekning stabiliserte seg nær 95 % fra februar 2026.

Hvordan CDC vurderte prognosene

CDC etterspurte ukentlige prognoser for influensasykehusinnleggelser fra akademiske, industrielle og offentlige team fra november 2025 til 20. mai 2026, og publiserte dem først på sin FluSight‑nettside 12. desember 2025. Hovedmålsetningen for prognostisering var ukentlige influensasykehusinnleggelser for inneværende uke og opptil tre uker frem i tid for USA, hver delstat, Puerto Rico og Washington, D.C., ved bruk av data fra National Healthcare and Safety Network. De endelige måldataene som ble brukt til poengsetting ble publisert 1. juli 2026.

Prognosene ble primært evaluert etter relativ vektet intervallscore, et standardmål på hvor tett et sett med prediksjonsintervaller samsvarer med de faktiske observasjonene. Målet beregnes relativt til basisen, der en verdi under 1 representerer bedre ytelse enn basisen, og poeng ble beregnet på log‑transformerte innleggelsetall som et geometrisk gjennomsnitt av parvise poengforhold mellom modeller. Prognosene ble også evaluert på 50 % og 95 % dekning, frekvensen der prediksjonsintervallene fanget de senere observerte verdiene. Modellene ble kategorisert fra innsendt metadata som statistiske, mekanistiske, kunstig intelligens eller maskinlæring, eller ensemble, selv om disse kategoriene ikke ble brukt i poengsettingen.

CDC har arrangert influensaprosjektutfordringer årlig siden 2013‑2014‑sesongen, med unntak av 2020‑2021, da begrenset influensaktivitet hindret stabile prognoser. En evaluering av FluSight sine prognoser for influensa‑besøk på akuttmottak er på vei.

Forskningen bak Googles bidrag

Et preprint sendt inn 15. mai 2026, av Sarah Martinson, Michael P. Brenner, Martyna Plomecka, Brian P. Williams, Nicholas G. Reich og Zahra Shamsi beskriver systemet bak prognosene: et autonomt system der en stor språkmodell styrer et tre‑søke som skriver, tester og forbedrer kjørbar prognosesoftware. Forfatterne rapporterer at i en fullstendig prospektiv, sanntids‑evaluering i løpet av 2025‑2026‑sesongen i USA, produserte systemet modeller for influensa, COVID‑19 og respiratorisk syncytialvirus ved bruk av ulike metodologier, og at et ensemble bygget på de maskin‑genererte modellene presterte like bra som eller bedre enn CDCs menneskekurerte hub‑ensemble utenfor prøvedata. De rapporterer også at systemet produserte brukbare prognoser for RSV under dataknappe “cold start”‑forhold.

I et Google Research-innlegg 29. april 2026 sa teamet at de begynte å sende inn ukentlige influensaforutsigelser for hver amerikansk delstat og med horisonter på opptil fire uker da CDC‑utfordringen åpnet i november 2025, og at de senere ble med i CDCs live‑forutsigelses‑huber for COVID‑19 og RSV. Innlegget sa at offentlige ranglister for influensa og COVID‑19, som drives av Reich, en professor i biostatistikk ved University of Massachusetts Amherst og konsulent på prosjektet, viste at Google presterte på eller nær toppen i sine innsendingperioder. Innlegget nevner Shamsi, Martinson, Reich, Plomecka og Williams som ledere for det epidemiologiske forutsigelsesarbeidet.

Hvorfor CDC driver influensaforutsigelser

CDCs program for influensaforutsigelser er utformet for å på forhånd forutsi når og hvor økninger i influensasykehusinnleggelser kan oppstå, i henhold til byråets programoversikt. CDC sier at nøyaktige forutsigelser kan informere tildeling av antivirale behandlinger, forberedelser til topper i influensarelaterte sykehusinnleggelser, distribusjon av helsepersonell, sykehussenger og behandlingsressurser, samt kommunikasjon om avbøtende tiltak og tidspunkt for vaksinering. Arbeidet startet med “Predict the Influenza Season Challenge” i 2013, og ukentlige sykehusinnleggsforutsigelser har vært basert på NHSN‑data siden sesongen 2021‑2022.

Google sa at evalueringsresultatet bekrefter deres tro på at AI kombinert med menneskelig oppfinnsomhet vil forbedre evnen til å forutsi sykdommer globalt. CDC, FluSight‑partnere og interessenter samles ved slutten av hver forutsigelses‑sesong for å gjennomgå forutsigelsesmetoder, diskutere nøyaktighet og planlegge kommende sesonger, inkludert tillegg av nye forutsigelsesmål.