谷歌AI模型获CDC流感预测评估第一，排名不等于个人诊断

2026年10月02日 09:17

2026年9月30日，美国疾病控制与预防中心（CDC）发布2025—2026季FluSight评估：谷歌的Google_SAI-FluEns在39个符合条件的模型中表现最佳。这是对一个已经结束的流感季的评估，不是对下一季疫情作出的新预言。对读者更有意义的问题是：AI究竟改进了什么，这个第一名又不能证明什么？［CDC评估］

CDC官方FluSight集合模型的全国每周住院预测、50%和95%预测区间及2025—2026季实际住院数 — 真实评估资料图：黑色点线为实际每周住院数，青色点线与阴影为六个提交时点的预测及区间。这是CDC官方FluSight集合模型的全国示例图，不是谷歌模型曲线，也不是榜单所用的州级评分图。来源：CDC报告Figure 1，2026年9月30日；按CDC机构资料使用规则引用，原图可在官方页面免费获取。

AI先开发软件，再让软件提交预测

谷歌同日说明，预测模型由Empirical Research Assistance（ERA）辅助开发。研究预印本描述的流程并不是让聊天机器人凭文字回答“下周会住院多少人”，而是让大语言模型在树搜索过程中生成、运行、评分并改进可执行预测代码，随后把选出的模型组合起来。这里的AI更接近模型开发者，而不是向患者提供诊断的聊天界面。［谷歌说明］［研究方法］

研究团队称，2025—2026季的预测按周实时提交，并留下可审计的时间戳。其价值在于，预测先于对应结果出现，区别于知道完整疫情曲线后再挑选表现最好的模型。预印本也指出，真实运行会遇到迟报、节假日异常和后续数据修订；只在历史数据上得到好分数，还不能替代这种前瞻检验。

CDC于2009年拍摄并数字着色的甲型H1N1流感病毒透射电子显微照片 — 真实历史资料照片：2009年甲型H1N1流感病毒分离株的透射电子显微图，经数字着色，仅用于解释流感研究背景，不代表2025—2026季病毒样本或谷歌实验现场。摄影：CDC／Cynthia Goldsmith；来源：CDC公共卫生图库PHIL，编号11745。图库标明公有领域、可署名使用，官方页面可免费获取。

0.56是区间评分，不是“56%的准确率”

本次任务预测的是实验室确诊流感的每周住院数量，时间范围为当周至未来三周。CDC主要比较相对加权区间分数（relative WIS）：住院数先作对数变换，再衡量预测区间与观测值的相容程度；分数越低越好，基线设为1。它不是一次判断“对或错”的命中率。

以下数值来自CDC随报告公布的原始排名表。区间覆盖率表示最终观测值落入相应预测区间的比例，不等于对个人患病的判断准确率。

模型	相对WIS	50%区间覆盖率	95%区间覆盖率
Google_SAI-FluEns	0.56	51.20%	93.72%
FluSight官方集合模型	0.62	51.62%	89.85%
FluSight基线模型	1.00	41.54%	85.75%

因此，“0.56”不能写成“准确率56%”，也不能直接换算成住院人数误差减少44%。一个模型还应同时接受不同预测时间、不同地区与疫情拐点的检验，而不是仅用一个总分描述全部表现。

为什么论文中的43个模型，变成了官方榜单的39个？

两个数字来自不同的比较范围，并不应混在同一条结论里。5月的预印本分析截至5月2日的提交，包含52个辖区，要求模型覆盖至少80%的任务，得到43个符合条件的流感模型。9月的CDC最终评估排除了全国和波多黎各目标，并采用至少75%的提交门槛，最终纳入39个模型。本文的“第一名”以新公布的CDC评估为准。

这也提示了一个阅读AI榜单的方法：先问预测对象、时间窗口、地点和入选规则是否一致，再比较排名。研究团队较早的自评可以解释方法，但不能冒充后来发布的独立机构评估；CDC对流感任务的排名，也不能自动替论文中的其他病原体结果背书。

白色医院微缩模型与青色数据珠、透明不确定性带组成的AI住院需求预测概念场景 — AI原创概念图，非真实现场：以数据珠和透明带象征预测与不确定性，不对应任何实际病例、医疗机构或实测曲线。由小花儿AI使用ImageGen生成，本站原创使用。

它支持公共卫生规划，不支持把榜单当个人诊断

谷歌说明，FluSight的组合预测服务于州级医疗服务需求的沟通。本文据此分析，这类成果更适合讨论怎样提前准备医疗资源，而非回答某个具体人会不会感染、是否需要住院。群体住院数量和个人临床风险是不同的问题，需要的数据、验证方式与使用责任也不同。

还要区分“取得第一名”与“已替代现有公共卫生流程”：CDC报告继续将官方FluSight集合模型列为其预测信息沟通所用模型。这次评估没有宣布由谷歌模型取而代之。更稳妥的结论是，AI辅助开发代码在一个有边界、可评分的真实预测任务中取得了竞争力；它在新地区、新流感季或新的工作流程中的效益，仍需进一步验证。

从软件生成到实际决策之间，最容易被忽略的是两项检查：预测区间能否恰当地表达不确定性，以及决策者在模型失准时怎样调整行动。一次排名提供了值得研究的证据，不是对未来永远领先的保证。

主要来源与资料说明

CDC：FluSight 2025—2026 Evaluation，发布及更新日期：2026年9月30日；支持最终排名、任务范围与评分规则。图表数值见其Table 1数据文件。
Google Research：Google's AI ranks #1 for predicting flu hospitalizations，发布日期：2026年9月30日；属于开发机构的说明，不作为第二份独立评估。
Martinson等：Prospective multi-pathogen disease forecasting using autonomous LLM-guided tree search，arXiv v1提交日期：2026年5月15日；本文阅读其HTML全文，用于核对方法与阶段评估范围。该材料为预印本。
CDC PHIL 11745，图像制作年份：2009；照片署名与授权信息见原页面。两张CDC资料图的使用遵循CDC机构资料规则，不代表CDC、HHS或美国政府对本站或任何产品、服务的认可。

上述公告标注了日期，但未给出精确发布时间与时区，本文不据此推算小时级发布先后。资料核验时间：2026年10月2日09:15（北京时间）。本文由小花儿AI使用AI辅助整理公开资料。