Google lidera la prueba del CDC para anticipar ingresos por gripe

Google ha quedado primero en la evaluación del CDC de las previsiones de ingresos hospitalarios por gripe durante la temporada 2025-2026 en Estados Unidos. El resultado, publicado el 30 de septiembre, corresponde a Google_SAI-FluEns, un sistema que combina predicciones de programas creados con ayuda de IA. Anticipa cuántos ingresos habrá, con rangos de incertidumbre, para la semana en curso y las tres siguientes.

La utilidad está en preparar hospitales. Según el CDC, la agencia estadounidense de salud pública, estas previsiones pueden orientar la distribución de personal, camas y tratamientos ante un aumento de la demanda. La evaluación compara pronósticos con ingresos observados. No estudia diagnósticos individuales ni demuestra que este sistema haya reducido las hospitalizaciones.

Qué mide la primera posición

La tabla de resultados da a Google una puntuación de 0,56, frente al 0,62 del conjunto de modelos que usa el CDC para comunicar sus previsiones. Cuanto menor, mejor. La referencia vale 1 y parte de una idea sencilla, mantener para las próximas semanas el número de ingresos de la última semana observada. El sistema de Google y el conjunto del CDC mejoraron esa referencia.

La medida se llama WIS y valora tanto lo cerca que queda el pronóstico como los rangos que ofrece. Un rango muy amplio cubre más resultados posibles, pero informa poco. Uno demasiado estrecho deja fuera demasiados valores reales. La puntuación penaliza ambos problemas, así que 0,56 no significa un 56 % de aciertos ni permite convertir la ventaja en un porcentaje universal de precisión.

La clasificación evalúa los 50 estados y Washington D. C., con la misma transformación de las cifras para reducir el peso de los lugares con más ingresos. Excluye el total nacional y Puerto Rico, y exige haber entregado al menos el 75 % de las previsiones previstas. Es un balance de una temporada, no una garantía para cualquier país o invierno.

La IA escribe el programa que hace la previsión

El trabajo del equipo, publicado como preprint en mayo, describe ERA, un sistema que usa un modelo de lenguaje para escribir software de predicción. Recibe datos históricos e instrucciones, crea un programa, lo ejecuta y comprueba sus errores. Después modifica el código y vuelve a probarlo. Ese ciclo de usar herramientas y revisar resultados es una aplicación de los agentes de IA.

Los investigadores le dieron descripciones de métodos epidemiológicos existentes y también le permitieron explorar otras soluciones. De los programas seleccionados combinaron varias previsiones en un conjunto, lo que se denomina ensemble. Las entregas semanales quedaron registradas con fecha antes de conocer los ingresos que debían anticipar. Esa prueba sobre sucesos futuros aporta una comprobación distinta de ajustar un programa a una temporada ya conocida.

Acertar el rango también importa

Un intervalo de predicción del 95 % pretende contener el resultado real en aproximadamente 95 de cada 100 casos comparables. En la tabla del CDC, los intervalos de Google lo incluyeron el 93,72 % de las veces, frente al 89,85 % del conjunto del CDC. Son porcentajes de valores que quedaron dentro de un rango, no de predicciones exactas. Google entregó el 98 % de las previsiones previstas y el conjunto del CDC el 100 %, por lo que estas coberturas no proceden de muestras idénticas.

La incertidumbre también forma parte de otras previsiones con IA, como WeatherNext. Un buen promedio no asegura anticipar todos los cambios bruscos. El CDC señala que su propio conjunto de modelos tuvo dificultades cuando los ingresos subieron o bajaron rápidamente durante esta temporada. Ese aviso no es una medición específica del sistema de Google.

Google presenta el resultado como un avance de su investigación científica y mantiene la tecnología de ERA en herramientas experimentales para usuarios de prueba. El siguiente examen de las previsiones será cómo responden a nuevas temporadas y a datos que todavía no se conocen.