دقت در پیش‌بینی موج‌های بیماری، مرز بین مدیریت بهینه منابع بیمارستانی و فروپاشی سیستم بهداشتی است. حالا گوگل ثابت کرد که هوش مصنوعی می‌تواند در این میدان حساس، از متخصصان انسانی پیشی بگیرد.
سازمان کنترل و پیشگیری از بیماری‌ها (CDC) در ۳۰ سپتامبر ۲۰۲۶ اعلام کرد که مدل Google_SAI-FluEns برترین مدل انفرادی برای پیش‌بینی نرخ بستری‌های آنفلوانزا در ایالات متحده برای فصل ۲۰۲۵-۲۰۲۶ بوده است. طبق این ارزیابی، مدل گوگل در میان ۳۹ مدل واجد شرایط که معیارهای سخت‌گیرانه ارسال داده‌ها را داشتند، رتبه اول را کسب کرد.
این دستاورد در ادامه روند استقرار هوش مصنوعی تخصصی گوگل در حوزه‌های حساس امنیتی و بهداشتی رخ می‌دهد. همان‌طور که در تحلیل قبلی ما درباره‌ی Google Gemini 4 Argon اشاره کردیم، گوگل در حالی دسترسی برخی ابزارهای دفاع سایبری را محدود کرده است که در حوزه سلامت، به سمت ابزارهای کشف علمی خودکار برای آزمایش‌کنندگان مورد اعتماد حرکت می‌کند.
زمینه: چالش FluSight
بر اساس مستندات CDC، این سازمان از فصل ۲۰۱۳-۲۰۱۴ رقابت‌های سالانه پیش‌بینی آنفلوانزا را برگزار می‌کند، به استثنای فصل ۲۰۲۰-۲۰۲۱ که به دلیل فعالیت محدود ویروس آنفلوانزا برگزار نشد. هدف این برنامه پیش‌بینی زمان و مکان افزایش بستری‌ها است تا توزیع تخت‌های بیمارستانی، کارکنان بهداشتی و داروهای ضد ویروسی بهینه شود.
برای فصل ۲۰۲۵-۲۰۲۶، CDC بین نوامبر ۲۰۲۵ تا ۲۰ مه ۲۰۲۶، پیش‌بینی‌های هفتگی را از تیم‌های دولتی، صنعتی و دانشگاهی دریافت کرد. این پیش‌بینی‌ها اولین بار در ۱۲ دسامبر ۲۰۲۵ بر اساس داده‌های شبکه ملی مراقبت‌های بهداشتی و ایمنی (NHSN) در وب‌سایت FluSight منتشر شدند.
به گزارش CDC، ۳۴ تیم در مجموع ۵۳ مدل منحصر‌به‌فرد ارائه کردند. برای اینکه مدل‌ها واجد شرایط امتیازدهی شوند، باید حداقل ۷۵ درصد از اهداف پیش‌بینی خود را ارسال می‌کردند. از این میان، ۳۹ مدل واجد شرایط شدند که ۳۳ مورد از آن‌ها توانستند از خط پایه (Baseline) FluSight — که صرفاً داده‌های بستری‌های هفته قبل را به جلو منتقل می‌کند — بهتر عمل کنند.
سازوکار فنی: ERA و کدنویسی خودکار
زهرا شمسی، مدیر تحقیقات گوگل، اعلام کرد که این پیش‌بینی‌ها با استفاده از ابزار دستیار پژوهش تجربی (Empirical Research Assistance یا ERA) توسعه یافته‌اند. این ابزار که نتایج پژوهشی آن در مجله Nature منتشر شده، قادر است الگوریتم‌های بهینه‌سازی را برای حوزه‌های مختلف علمی تولید کند.
در پیش‌چاپ مقاله‌ای به تاریخ ۱۵ مه ۲۰۲۶، تیمی متشکل از سارا مارتینسون، مایکل پی. برنر، مارتینا پلومکا، برایان پی. ویلیامز، نیکولاس جی. رایش و زهرا شمسی، این سیستم را یک «حلقه خودکار» توصیب کرده‌اند. در این معماری، یک مدل زبانی بزرگ (LLM) از طریق یک جست‌وجوی درختی (Tree Search)، نرم‌افزارهای پیش‌بینی را می‌نویسد، آزمایش می‌کند و سپس آن‌ها را اصلاح می‌کند.
این مجموعه مدل‌های تولیدشده توسط ماشین، در ارزیابی‌های بلادرنگ برای آنفلوانزا، کووید-۱۹ و RSV، عملکردی برابر یا بهتر از مجموعه‌هایی داشتند که توسط انسان‌ها مدیریت می‌شدند. این موفقیت در پیش‌بینی‌های پیچیده، یادآور تحول گوگل در پیش‌بینی‌های محلی آب و هوا با مدل WeatherNext 3 است که در آن نیز هوش مصنوعی توانست دقت مدل‌های سنتی را به چالش بکشد. گوگل از نوامبر ۲۰۲۵ ارسال پیش‌بینی‌های هفتگی برای تمام ایالت‌های آمریکا با افق زمانی تا چهار هفته را آغاز کرد و بعدها به هاب‌های زنده برای کووید-۱۹ و RSV پیوست.
جزئیات: امتیازدهی و عملکرد فصل
- معیار اصلی: مدل‌ها بر اساس امتیاز بازه وزنی نسبی (Relative Weighted Interval Score) ارزیابی شدند. مقداری کمتر از ۱ نشان‌دهنده عملکرد بهتر از خط پایه بود. این مقدار بر اساس تعداد بستری‌های تبدیل‌شده به لگاریتم و به صورت میانگین هندسی نسبت‌های امتیاز جفتی محاسبه شد.
- معیارهای پوشش: CDC میزان پوشش ۵۰ و ۹۵ درصدی را اندازه‌گیری کرد تا مشخص شود بازه‌های پیش‌بینی تا چه حد مقادیر واقعی مشاهده‌شده را در بر می‌گیرند.
- دسته‌بندی مدل‌ها: مدل‌ها به چهار گروه آماری، مکانیکی، مجموعه‌ای (Ensemble) و یادگیری ماشین/هوش مصنوعی تقسیم شدند، هرچند این برچسب‌ها تأثیری در امتیازدهی نداشتند.
- داده‌های حذف‌شده: پیش‌بینی‌های مربوط به پورتوریکو به دلیل عدم دسترسی به داده‌ها و پیش‌بینی‌های ملی به دلیل تفاوت در مقیاس، از ارزیابی حذف شدند.
فصل ۲۰۲۵-۲۰۲۶ «متوسط» توصیف شد. بستری‌ها از اواسط نوامبر ۲۰۲۵ افزایش یافت و در هفته منتهی به ۲۷ دسامبر ۲۰۲۵ به اوج خود رسید و از ۴۰ هزار مورد بستری هفتگی گذشت. داده‌های نهایی هدف که برای امتیازدهی استفاده شد، در ۱ ژوئیه ۲۰۲۶ منتشر گردید.
با وجود پیروزی گوگل، گزارش CDC به مشکلات سیستماتیک اشاره کرد. به طور خاص، بازه‌های پیش‌بینی ۵۰ و ۹۵ درصدی نتوانستند افزایش شدید بستری‌ها در اواخر دسامبر ۲۰۲۵ و کاهش متعاقب آن‌ها در اواسط ژانویه ۲۰۲۶ را پیش‌بینی کنند. در هفته اوج بیماری، کمتر از ۲۵ درصد از بازه‌های پیش‌بینی دوهفته‌ای در تمامی حوزه‌ها توانستند مقادیر واقعی را پوشش دهند. پوشش مجموعه‌ای FluSight تنها از فوریه ۲۰۲۶ به ثبات نزدیک به ۹۵ درصد رسید.
پیامدهای راهبردی
این نتیجه در حوزه اپیدمیولوژی، معیار موفقیت را از مدل‌های آماری طراحی‌شده توسط انسان به نرم‌افزارهای نوشته‌شده توسط هوش مصنوعی تغییر می‌دهد. توانایی سیستم در تولید پیش‌بینی‌های کاربردی برای RSV در شرایط راه‌اندازی سرد (Cold Start) — یعنی زمانی که داده‌ها اندک هستند — نشان می‌دهد که تولید کد توسط LLM می‌تواند گلوگاه‌های سنتی داده در سلامت عمومی را برطرف کند.
گوگل با خودکارسازی چرخه تکرارشونده نوشتن و آزمایش کد پیش‌بینی، تأخیر بین مشاهده داده و اصلاح مدل را به شدت کاهش داده است. این پیشرفت سریع در قابلیت‌های AI، در حالی رخ می‌دهد که برخی متخصصان پیش‌بینی کرده بودند رسیدن به چنین سطحی از پیشرفت سال‌ها بیشتر زمان می‌برد. این یعنی آینده‌ای که در آن نظارت بر بیماری‌ها نه تنها توسط هوش مصنوعی تسهیل، بلکه توسط آن معماری می‌شود.
آژانس‌های بهداشت عمومی برای تخصیص داروهای ضد ویروسی، توزیع کارکنان بهداشتی و زمان‌بندی پیام‌های واکسیناسیون به این پیش‌بینی‌ها متکی هستند. اعتبارسنجی یک سیستم خودکار نشان می‌دهد که نسل بعدی آمادگی در برابر پاندمی‌ها به جای مدل‌های ایستا، بر نرم‌افزارهای خودبهینه‌ساز متکی خواهد بود.
CDC و شرکای آن اکنون این رویکردها را برای برنامه‌ریزی فصل‌های آینده و ادغام اهداف پیش‌بینی جدید بررسی خواهند کرد. انتظار می‌رود ارزیابی پیش‌بینی‌های FluSight در مورد مراجعات اورژانس مربوط به آنفلوانزا در ادامه منتشر شود.
گام بعدی شما
- بررسی مقالات مربوط به ERA در مجله Nature برای درک نحوه بهینه‌سازی الگوریتم‌های علمی توسط LLM.
- تحلیل داده‌های باز منتشر شده توسط FluSight برای مقایسه مدل‌های آماری سنتی با رویکردهای Agentic.
- دنبال کردن گزارش‌های آتی CDC درباره پیش‌بینی مراجعات اورژانس که احتمالاً از همین متدولوژی استفاده می‌کند.
اما تأثیر این رویکرد بر شناسایی سریع سویه‌های جدید ویروسی حتی حیاتی‌تر است — به تحلیل ما درباره‌ی مدل‌های پیش‌بینی پروتئینی مراجعه کنید.
گفتگو