Google AI-modell toppar CDC:s utvärdering av prognoser för influensasjukhusinläggningar

Centers for Disease Control and Prevention publicerade den 30 september 2026 sin utvärdering av FluSight‑prognossäsongen 2025‑2026 och identifierade Googles Google_SAI-FluEns som den bäst presterande modellen bland individuella laginsändningar för prognoser av influensasjukhusinläggningar i USA. Google uppgav att deras bidrag rankades först bland säsongens 39 berättigade modeller.

I Googles tillkännagivande sade Zahra Shamsi från Google Research att prognoserna utvecklades med hjälp av Empirical Research Assistance (ERA), ett AI‑verktyg som företaget beskriver som genererande av optimeringsalgoritmer över ett brett spektrum av vetenskapliga områden. Google uppgav att forskning om ERA publicerades i tidskriften Nature och att verktygets underliggande teknik är tillgänglig för betrodda testare via dess experimentella vetenskapsverktyg.

Säsongens resultat

Enligt CDC:s utvärderingsrapport bidrog 34 lag med influensasjukhusinläggningsprognoser från 53 unika modeller under säsongen. Trettio nio modeller uppfyllde analysens inklusionskriterier genom att lämna in minst 75 % av prognosmålen; CDC uteslöt nationella prognoser från poängsättningen på grund av skillnader i skala och Puerto Rico‑prognoser på grund av brist på data. Av de 39 inkluderade modellerna presterade 33 bättre än FluSight‑baslinjen, en referensmodell som projicerar föregående veckas inläggningar framåt.

FluSight‑ensemblet, den kombinerade prognosen som CDC använder för att kommunicera sina budskap, rankades som sjunde totalt för säsongen på den primära prestationsmåttet och var en av 12 modeller som konsekvent presterade bättre än baslinjen i alla jurisdiktioner. Bland de individuella laginsändningarna var Google_SAI-FluEns den bästa presterande modellen.

CDC klassificerade säsongen 2025‑2026 som måttlig enligt sin preliminära allvarlighetsbedömning under säsongen. Det högsta veckovisa antalet sjukhusinläggningar översteg 40 000, med inläggningar som började stiga i mitten av november 2025 och nådde en nationell topp under veckan som avslutades den 27 december 2025.

Rapporten dokumenterar också var prognostiseringen hade svårigheter. Den konstaterar att ensemblets 50 % och 95 % prediktionsintervall misslyckades med att förutse de ökningar i sjukhusinläggningar som observerades i slutet av december 2025 samt de minskningar i mitten av januari 2026. Under säsongens toppvecka innehöll mindre än 25 % av tvåveckors‑horisontens prediktionsintervall över jurisdiktionerna de observerade värdena, och FluSight‑ensemblets täckning stabiliserades kring 95 % från och med februari 2026.

Hur CDC poängsatte prognoserna

CDC begärde veckovisa influensasjukhusinläggningsprognoser från akademiska, industri‑ och statliga team från november 2025 till den 20 maj 2026, och publicerade dem först på sin FluSight‑webbsida den 12 december 2025. Huvudmålet för prognostiseringen var veckovisa influensasjukhusinläggningar för den aktuella veckan och upp till tre veckor framåt för USA, varje delstat, Puerto Rico och Washington, D.C., med data från National Healthcare and Safety Network. De slutgiltiga måldata som användes för poängsättning publicerades den 1 juli 2026.

Prognoserna utvärderades främst med relativt viktat intervallpoäng (relative weighted interval score), ett standardmått på hur nära en prognos uppsättning prediktionsintervall ligger de faktiska observationerna. Måttet beräknas i förhållande till baslinjen, där ett värde under 1 indikerar bättre prestanda än baslinjen, och poängen beräknades på loggtransformerade inläggningsantal som ett geometriskt medelvärde av parvisa poängförhållanden mellan modeller. Prognoserna utvärderades också på 50 % och 95 % täckning, frekvensen med vilken prediktionsintervall fångade de senare observerade värdena. Modellerna kategoriserades utifrån inskickad metadata som statistiska, mekanistiska, artificiell intelligens eller maskininlärning, eller ensemble, även om dessa kategorier inte användes i poängsättningen.

CDC har arrangerat influensaprognosutmaningar årligen sedan säsongen 2013‑2014, med undantag för 2020‑2021, då begränsad influensaktivitet hindrade stabila prognoser. En utvärdering av FluSight:s prognoser för influensabesök på akutmottagningar är på väg.

Forskningen bakom Googles bidrag

En preprint inskickad 15 maj 2026, av Sarah Martinson, Michael P. Brenner, Martyna Plomecka, Brian P. Williams, Nicholas G. Reich och Zahra Shamsi beskriver systemet bakom prognoserna: ett autonomt system där en stor språkmodell styr en träd­sökning som skriver, testar och förfinar körbar prognosprogramvara. Författarna rapporterar att i en helt prospektiv, realtidsutvärdering under den amerikanska respiratoriska säsongen 2025‑2026 producerade systemet modeller för influensa, COVID‑19 och respiratoriskt syncytialvirus med olika metodologier, och att ett ensemble byggt på de maskin‑genererade modellerna presterade lika bra som eller bättre än CDC:s mänskligt kuraterade hub‑ensembler utanför provet. De rapporterar också att systemet producerade fungerande prognoser för RSV under data‑knappa “cold start”-förhållanden.

I ett inlägg från Google Research den 29 april 2026 sade teamet att de började skicka in veckovisa influensaförutsägelser för varje amerikansk delstat och med horisonter upp till fyra veckor när CDC:s utmaning öppnades i november 2025, och att de senare gick med i CDC:s live‑förutsägelsehubbar för COVID‑19 och RSV. Inlägget sade att offentliga topplistor för influensa och COVID‑19, som drivs av Reich, en professor i biostatistik vid University of Massachusetts Amherst och konsult för projektet, visade att Google presterade i topp eller nära toppen under sina inlämningsperioder. Inlägget nämner Shamsi, Martinson, Reich, Plomecka och Williams som ledarna för det epidemiologiska förutsägelsearbetet.

Varför CDC driver influensaförutsägelser

CDC:s influensaförutsägelseprogram är utformat för att i förväg förutsäga när och var ökningar i influensarelaterade sjukhusinläggningar kan inträffa, enligt programöversikten från myndigheten. CDC säger att noggranna förutsägelser kan informera fördelning av antivirala behandlingar, förberedelser för toppar i influensarelaterade sjukhusinläggningar, distribution av vårdpersonal, sjukhussängar och behandlingsresurser, samt meddelanden om mildrande åtgärder och tidpunkten för vaccination. Initiativet startade med 2013‑utmaningen “Predict the Influenza Season Challenge”, och veckovisa sjukhusinläggningsprognoser har baserats på NHSN‑data sedan säsongen 2021‑2022.

Google sade att utvärderingsresultatet bekräftar deras förtroende för att AI i kombination med mänsklig uppfinningsrikedom kommer att förbättra förmågan att förutsäga sjukdomar globalt. CDC, FluSight‑partners och intressenter samlas i slutet av varje förutsägelse‑säsong för att granska förutsägelsemetoder, diskutera noggrannhet och planera framtida säsonger, inklusive tillägg av nya förutsägelsemål.