โมเดล AI ของ Google ครองอันดับสูงสุดในการประเมินของ CDC เกี่ยวกับการคาดการณ์การรับผู้ป่วยโรคไข้หวัดใหญ่ในโรงพยาบาล

ศูนย์ควบคุมและป้องกันโรค (CDC) เมื่อวันที่ 30 กันยายน 2569 ได้เผยแพร่การประเมินฤดูกาลการคาดการณ์ FluSight ปี 2025‑2026 โดยระบุว่า Google_SAI-FluEns ของ Google เป็นโมเดลที่ทำผลงานดีที่สุดในบรรดาการส่งของทีมแต่ละทีมสำหรับการคาดการณ์การรับผู้ป่วยไข้หวัดใหญ่ในสหรัฐอเมริกา Google กล่าวว่าการส่งของตนได้อันดับหนึ่งจาก 39 โมเดลที่มีคุณสมบัติในฤดูกาลนั้น

ใน ประกาศของ Google Zahra Shamsi จาก Google Research กล่าวว่าการคาดการณ์เหล่านี้พัฒนาขึ้นโดยใช้ Empirical Research Assistance (ERA) ซึ่งเป็นเครื่องมือ AI ที่บริษัทอธิบายว่าเป็นการสร้างอัลกอริธึมการเพิ่มประสิทธิภาพในหลากหลายสาขาวิทยาศาสตร์ Google ระบุว่าการวิจัยเกี่ยวกับ ERA ได้รับการตีพิมพ์ในวารสาร Nature และเทคโนโลยีพื้นฐานของเครื่องมือนี้พร้อมให้ผู้ทดสอบที่ได้รับความไว้วางใจเข้าถึงผ่านเครื่องมือวิทยาศาสตร์เชิงทดลองของบริษัท

ผลลัพธ์ของฤดูกาล

ตาม รายงานการประเมินของ CDC ทีมจำนวน 34 ทีมได้ส่งการคาดการณ์การรับผู้ป่วยไข้หวัดใหญ่จากโมเดลที่ไม่ซ้ำกัน 53 โมเดลในช่วงฤดูกาล โมเดลจำนวน 39 โมเดลผ่านเกณฑ์การรวมเข้าการวิเคราะห์โดยส่งเป้าหมายการคาดการณ์อย่างน้อย 75 %; CDC ได้ยกเว้นการคาดการณ์ระดับชาติจากการให้คะแนนเนื่องจากความแตกต่างของขนาดและการคาดการณ์ของเปอร์โตริโกเนื่องจากไม่มีข้อมูลที่พร้อมใช้งาน จาก 39 โมเดลที่รวมอยู่ 33 โมเดลทำผลงานดีกว่าเกณฑ์พื้นฐาน FluSight ซึ่งเป็นโมเดลอ้างอิงที่คาดการณ์การรับผู้ป่วยจากสัปดาห์ก่อนต่อไป

ชุดคาดการณ์รวม FluSight ซึ่งเป็นการคาดการณ์รวมที่ CDC ใช้สื่อสารข้อมูล ได้อันดับที่เจ็ดโดยรวมสำหรับฤดูกาลบนเมตริกประสิทธิภาพหลัก และเป็นหนึ่งใน 12 โมเดลที่ทำผลงานดีกว่าเกณฑ์พื้นฐานอย่างต่อเนื่องในทุกเขตอำนาจศาล อย่างไรก็ตามในบรรดาการส่งของทีมแต่ละทีม Google_SAI-FluEns เป็นผู้ทำผลงานดีที่สุด

CDC ประเมินฤดูกาล 2025‑2026 ว่าอยู่ในระดับปานกลางตามการประเมินความรุนแรงเบื้องต้นในช่วงฤดูกาล จำนวนผู้ป่วยรับเข้ารักษาในโรงพยาบาลสูงสุดต่อสัปดาห์เกิน 40,000 ราย โดยจำนวนผู้ป่วยเริ่มเพิ่มขึ้นตั้งแต่กลางเดือนพฤศจิกายน 2025 และถึงจุดสูงสุดระดับชาติในสัปดาห์ที่สิ้นสุดวันที่ 27 ธันวาคม 2025

รายงานยังบันทึกจุดที่การคาดการณ์ประสบปัญหา โดยระบุว่าช่วงคาดการณ์ 50 % และ 95 % ของชุดรวมไม่สามารถคาดการณ์การเพิ่มขึ้นของการรับผู้ป่วยที่สังเกตได้ในปลายเดือนธันวาคม 2025 และการลดลงในกลางเดือนมกราคม 2026 ได้อย่างแม่นยำ รอบสัปดาห์ที่สูงสุดของฤดูกาล มีน้อยกว่า 25 % ของช่วงคาดการณ์สองสัปดาห์ในแต่ละเขตอำนาจศาลที่ครอบคลุมค่าที่สังเกตได้ และการครอบคลุมของชุดรวม FluSight คงที่อยู่ที่ประมาณ 95 % ตั้งแต่เดือนกุมภาพันธ์ 2026

วิธีที่ CDC ให้คะแนนการคาดการณ์

CDC ขอรับการคาดการณ์การรับผู้ป่วยไข้หวัดใหญ่รายสัปดาห์จากทีมในภาควิชาการ, อุตสาหกรรม, และรัฐบาล ตั้งแต่เดือนพฤศจิกายน 2025 ถึง 20 พฤษภาคม 2026 และเผยแพร่ครั้งแรกบนหน้าเว็บ FluSight ของตนเมื่อวันที่ 12 ธันวาคม 2025 เป้าหมายการคาดการณ์หลักคือการรับผู้ป่วยไข้หวัดใหญ่รายสัปดาห์สำหรับสัปดาห์ปัจจุบันและสูงสุดสามสัปดาห์ข้างหน้าในสหรัฐอเมริกา, ทุกรัฐ, เปอร์โตริโก, และวอชิงตัน ดี.ซี. โดยใช้ข้อมูลจาก National Healthcare and Safety Network ข้อมูลเป้าหมายสุดท้ายที่ใช้ในการให้คะแนนได้ถูกเผยแพร่เมื่อ 1 กรกฎาคม 2569

การคาดการณ์ได้รับการประเมินหลักโดยใช้คะแนนช่วงน้ำหนักสัมพัทธ์ (relative weighted interval score) ซึ่งเป็นมาตรฐานในการวัดความใกล้เคียงของชุดช่วงคาดการณ์กับค่าที่สังเกตได้ในที่สุด เมตริกนี้คำนวณโดยอิงเกณฑ์พื้นฐาน โดยค่าที่ต่ำกว่า 1 แสดงถึงประสิทธิภาพดีกว่าเกณฑ์พื้นฐาน และคะแนนถูกคำนวณจากจำนวนการรับผู้ป่วยที่แปลงเป็นลอการิทึมเป็นค่าเฉลี่ยเรขาคณิตของอัตราส่วนคะแนนระหว่างโมเดล การคาดการณ์ยังได้รับการประเมินบนพื้นฐานของการครอบคลุม 50 % และ 95 % ซึ่งเป็นความถี่ที่ช่วงคาดการณ์จับค่าที่สังเกตได้ในภายหลัง โมเดลถูกจัดประเภทจากเมตาดาต้าที่ส่งเข้ามาเป็นสถิติ, กลไก, ปัญญาประดิษฐ์หรือการเรียนรู้ของเครื่อง, หรือชุดรวม แม้ว่าประเภทเหล่านี้จะไม่ได้ใช้ในการให้คะแนน

CDC ได้จัดการแข่งขันการคาดการณ์ไข้หวัดใหญ่เป็นประจำทุกปีตั้งแต่ฤดูกาล 2013‑2014 ยกเว้นปี 2020‑2021 ที่กิจกรรมไข้หวัดใหญ่จำกัดทำให้ไม่สามารถสร้างการคาดการณ์ที่เสถียรได้ การประเมินการคาดการณ์ของ FluSight เกี่ยวกับการเยี่ยมชมแผนกฉุกเฉินจากไข้หวัดใหญ่กำลังจะเผยแพร่ในเร็ว ๆ นี้

งานวิจัยเบื้องหลังการส่งของ Google

preprint ที่ส่งเมื่อ 15 พฤษภาคม 2026 โดย Sarah Martinson, Michael P. Brenner, Martyna Plomecka, Brian P. Williams, Nicholas G. Reich, และ Zahra Shamsi อธิบายระบบที่อยู่เบื้องหลังการคาดการณ์: ระบบอัตโนมัติที่ โมเดลภาษาใหญ่ ควบคุมการค้นหาแบบต้นไม้ซึ่งเขียน, ทดสอบ, และปรับปรุงซอฟต์แวร์การคาดการณ์ที่สามารถทำงานได้ ผู้เขียนรายงานว่าในการประเมินเชิงล่วงหน้าแบบเรียลไทม์เต็มรูปแบบในช่วงฤดูกาลระบบทางเดินหายใจของสหรัฐอเมริกา 2025‑2026 ระบบนี้ได้สร้างโมเดลสำหรับไข้หวัดใหญ่, COVID‑19, และเชื้อไวรัสซิงซิทัลทางเดินหายใจโดยใช้วิธีการที่หลากหลาย และชุดรวมที่สร้างจากโมเดลที่เครื่องสร้างขึ้นทำงานได้เทียบเท่าหรือดีกว่าชุดรวมของศูนย์ที่ CDC คัดสรรมาจากมนุษย์ในกรณีนอกตัวอย่าง นอกจากนี้ยังรายงานว่าระบบนี้สามารถสร้างการคาดการณ์ที่ใช้งานได้สำหรับ RSV ภายใต้เงื่อนไข “cold start” ที่ข้อมูลจำกัด

ใน โพสต์ของ Google Research วันที่ 29 เมษายน 2026 ทีมงานกล่าวว่าพวกเขาเริ่มส่งการพยากรณ์ไข้หวัดประจำสัปดาห์สำหรับทุกรัฐของสหรัฐและที่ช่วงเวลาถึงสี่สัปดาห์เมื่อการแข่งขันของ CDC เปิดในเดือนพฤศจิกายน 2025 และต่อมาพวกเขาได้เข้าร่วมศูนย์พยากรณ์แบบเรียลไทม์ของ CDC สำหรับ COVID‑19 และ RSV โพสต์ระบุว่าอันดับสาธารณะสำหรับไข้หวัดและ COVID‑19 ที่ดำเนินการโดย Reich ศาสตราจารย์สถิติชีวภาพจาก University of Massachusetts Amherst และที่ปรึกษาโครงการ แสดงให้เห็นว่า Google ทำผลงานได้อยู่ในระดับบนหรือใกล้เคียงกับระดับบนในช่วงเวลาที่ส่งข้อมูล โพสต์ระบุชื่อ Shamsi, Martinson, Reich, Plomecka และ Williams เป็นหัวหน้างานพยากรณ์ระบาดวิทยา

ทำไม CDC จึงดำเนินการพยากรณ์ไข้หวัด

โปรแกรมพยากรณ์ไข้หวัดของ CDC ถูกออกแบบมาเพื่อคาดการณ์ล่วงหน้าว่าเมื่อใดและที่ใดจะมีการเพิ่มขึ้นของการรับผู้ป่วยเข้ารักษาในโรงพยาบาลจากไข้หวัด ตาม ภาพรวมของโครงการของหน่วยงาน CDC กล่าวว่า การพยากรณ์ที่แม่นยำสามารถช่วยในการจัดสรรยาต้านไวรัส การเตรียมพร้อมสำหรับการระบาดของผู้ป่วยไข้หวัดที่เพิ่มขึ้น การกระจายบุคลากรด้านสุขภาพ เตียงโรงพยาบาล และทรัพยากรการรักษา รวมถึงการสื่อสารเกี่ยวกับมาตรการบรรเทาและเวลาการฉีดวัคซีน ความพยายามนี้เริ่มต้นด้วยการแข่งขัน “Predict the Influenza Season Challenge” ในปี 2013 และการพยากรณ์การรับผู้ป่วยเข้ารักษาในโรงพยาบาลประจำสัปดาห์ได้อ้างอิงข้อมูลจาก NHSN ตั้งแต่ฤดูกาล 2021‑2022

Google กล่าวว่า ผลการประเมินยืนยันความมั่นใจของพวกเขาว่า AI ที่ผสานกับความคิดสร้างสรรค์ของมนุษย์จะช่วยปรับปรุงความสามารถในการพยากรณ์โรคทั่วโลก CDC, พันธมิตร FluSight และผู้มีส่วนได้ส่วนเสียมารวมตัวกันในตอนท้ายของแต่ละฤดูกาลพยากรณ์เพื่อทบทวนวิธีการพยากรณ์, พิจารณาความแม่นยำ, และวางแผนสำหรับฤดูกาลต่อไป รวมถึงการเพิ่มเป้าหมายการพยากรณ์ใหม่