Googleのインフルエンザ予測AI、CDC評価で首位に

Google Researchは2026年9月30日、米国CDCのインフルエンザ入院予測評価で、同社のAIモデルが39の対象モデルの中で最も高い評価を得たと発表しました。

CDCのFluSightは複数の機関から予測を集め、州単位の入院需要の見通しに役立てています。Googleはモデルの改善に科学研究向けAIツールを利用したと説明しています。

【評価の対象はインフルエンザによる入院数】今回Googleが報告した成果は、インフルエンザ感染そのものの発生件数や個人の発症を当てるものではありません。米国で週ごとに報告されるインフルエンザ関連の入院患者数を予測するモデルが対象です。入院数は医療機関の需要を考えるための重要な指標ですが、検査件数や軽症者の人数とは意味が異なります。

【FluSightの仕組み】米国疾病対策センター（CDC）のFluSightでは、政府、大学、企業などのチームが毎週予測を提出します。予測するのは当週と、その先3週間までのインフルエンザ関連入院数です。複数の予測を集めることで、州ごとの医療需要を把握する材料が得られます。単一のモデルが出した数字だけで全体の判断が決まる仕組みではありません。

【39モデル中で最高評価】Google Researchは、2025～26年の流行シーズン終了後の分析で、評価対象となった39モデルの中で同社のモデルが実際の入院数に最もよく一致したと説明しています。『首位』とは、このシーズンの評価条件における結果です。すべての年、地域、病気に対して最も正確なモデルだと示したものではありません。

【予測が医療現場に役立つ理由】インフルエンザの入院患者が増えると、病床、人員、検査体制などに影響が生じます。数週間先の需要を見通せれば、医療機関や公衆衛生当局が準備を検討する材料になります。ただし、予測は将来の確定値ではありません。医療現場では現在の患者数や地域の状況と組み合わせて判断する必要があります。

【Empirical Research Assistanceの役割】Googleは、予測モデルの開発にEmpirical Research Assistance（ERA）という科学研究向けAIツールを使ったと説明しています。ERAは、さまざまな科学分野で最適化アルゴリズムを生成するための仕組みです。今回のポイントは、AIが感染症を予測したことだけでなく、予測アルゴリズムの研究開発にもAIを利用した点にあります。

【モデル開発の自動化と研究者の役割】アルゴリズムの候補をAIが作れるようになると、人間の研究者は候補の比較や妥当性の検証により多くの時間を使える可能性があります。一方、生成された計算手法がデータの特徴に過度に適合していないか、異なるシーズンでも機能するかを調べる必要があります。AIによる研究支援は、科学的な検証工程を省略する理由にはなりません。

【評価指標を読む際の注意】予測の優劣は、どの期間、どの地域、どの誤差指標で比較するかによって変わります。平均的な精度が高くても、急激な流行の立ち上がりや地域ごとの変動を十分に捉えられない場合があります。今回の公式記事は首位という結果を紹介していますが、利用目的に応じた詳しい性能はCDCの評価資料などで確認する必要があります。

【不確実性を伝えることが重要】感染症の流行は人の行動、ウイルスの性質、気象条件など多くの要因に左右されます。予測を一つの確定値として受け取ると、外れた場合の影響が大きくなります。医療計画に使う場合は、予測の幅や外れたときの対応策も検討することが重要です。モデルの精度向上と、利用者への不確実性の説明は別々に必要な課題です。

【Googleの発表とCDCの役割】今回の成果を紹介したのはGoogle Researchですが、FluSightの予測収集と評価を行うのはCDCです。企業が公表する研究成果を読む際は、評価を実施した主体と、結果を説明する主体を区別すると理解しやすくなります。記事の情報源にはGoogleの発表に加え、CDCのFluSightの案内が関連します。

【個人の診断には使えない】入院数の予測が優れていても、目の前の人がインフルエンザに感染しているかどうかは判断できません。地域全体の患者数を予測するモデルと、個人の症状を評価する診断は目的も必要なデータも異なります。体調に関する判断を、この研究成果だけで行うべきではありません。

【今後の検証課題】次の流行シーズンでも高い精度を維持できるか、流行の規模や地域差が大きい場合にどう振る舞うかは継続的な評価が必要です。ほかの感染症へ応用できるかどうかも、別のデータと検証を要します。一度の評価で良好な結果を得たことは重要ですが、長期的な信頼性とは分けて考える必要があります。

【AIによる科学研究の広がり】GoogleはERAの研究成果が科学誌Natureに掲載されたことや、基盤技術を信頼できるテスター向けの実験的な科学ツールとして提供していることも説明しています。研究支援AIが実用的な予測改善につながる可能性を示した事例ですが、公開範囲や再現性を含めて評価することが重要です。

評価は特定のシーズンと指標に基づくものです。将来の流行を常に正確に予測できることや、個人の診断に利用できることを意味しません。

TECH CURRENTでは、発表内容と実際の提供状況を区別しながら、利用者や企業への影響を引き続き確認していきます。