Google’ın Yapay Zekâsı Grip Tahmininde 39 Modeli Geride Bıraktı

Google tarafından geliştirilen yapay zekâ modeli, ABD’deki 2025-2026 grip sezonunda hastane yatışlarını tahmin eden 39 farklı sistem arasında en başarılı sonucu aldı. ABD Hastalık Kontrol ve Önleme Merkezlerinin (CDC) sezon sonu değerlendirmesine göre modelin öngörüleri, gerçekleşen hastane yatış verilerine diğer sistemlerden daha yakın sonuçlar verdi.

Bu karşılaştırma, yapay zekânın sağlık alanında yalnızca teşhis veya laboratuvar çalışmaları için kullanılmadığını gösteriyor. Hastanelerde kaç kişinin tedaviye ihtiyaç duyabileceğini önceden tahmin etmek, sağlık hizmetlerinin planlanmasına yardımcı olabilir. Kurumlar bu verileri personel ihtiyacını değerlendirmek, yatak kapasitesini izlemek ve olası yoğunluklara hazırlık yapmak için kullanabilir.

Yine de modelin sıralamada ilk sırada yer alması, sağlık hizmetleriyle ilgili kararların tamamen otomatik verilebileceği anlamına gelmiyor. Tahminler, uzmanların değerlendirmeleriyle birlikte ele alınıyor. Mevsimsel eğilimler, bölgesel farklılıklar ve hastane kayıtları gibi unsurların birlikte incelenmesi, ortaya çıkan sonucun nasıl yorumlanacağını belirliyor.

FluSight farklı modelleri aynı platformda karşılaştırıyor

CDC bünyesindeki FluSight platformu, grip sezonu boyunca farklı ekiplerin hazırladığı tahminleri bir araya getiriyor. Kamu kurumları, özel şirketler ve akademik ekipler tarafından geliştirilen sistemler, her hafta ölçülebilir sonuçlar üretmek üzere değerlendiriliyor. Platform, ekim ve mayıs ayları arasındaki sezon boyunca tahminleri gerçekleşen verilerle karşılaştırıyor.

Modeller yalnızca mevcut haftadaki hastane yatış oranlarını tahmin etmiyor. Aynı zamanda takip eden üç haftada ortaya çıkabilecek değişimleri de öngörmeye çalışıyor. Böylece sağlık kuruluşları, o anki tabloya bakmanın ötesine geçerek kısa vadede oluşabilecek talep artışını değerlendirebiliyor.

FluSight’ın yaklaşımı, farklı yöntemlerle çalışan yapay zekâ ve istatistik modellerini ortak bir değerlendirme çerçevesinde izlemeyi mümkün kılıyor. Her sistemin ürettiği tahminler, daha sonra gerçek hastane yatış rakamlarıyla karşılaştırılıyor. Bu yöntem, yalnızca bir modelin iddiasına göre değil, sezon boyunca elde edilen sonuçlara göre performans değerlendirmesi yapılmasını sağlıyor.

2025-2026 grip sezonunun sonunda yapılan incelemede 39 model karşılaştırıldı. Google’ın sistemi, gerçek hastane yatış rakamlarına en yakın sonuçları üreten model olarak ilk sıraya yerleşti. Bu başarı, tek bir haftalık tahmine dayanmıyor; sezon boyunca hazırlanan öngörülerin genel doğruluğuna dayanıyor.

ERA, model geliştirme sürecinde kullanıldı

Google’ın grip tahmin modelinin arkasındaki teknolojilerden biri, Empirical Research Assistance adının kısaltması olan ERA olarak öne çıkıyor. ERA, farklı bilimsel alanlarda optimizasyon algoritmaları geliştirmeye yardımcı olmak amacıyla tasarlanmış bir yapay zekâ aracı. Sistem, geniş veri kümeleri arasındaki ilişkileri inceleyerek belirli bir hedef için daha uygun tahmin yöntemlerinin bulunmasına katkı sağlayabiliyor.

ERA teknolojisiyle ilgili araştırma sonuçları Nature dergisinde yayımlandı. Teknolojinin deneysel bilim araçları kapsamında güvenilir test kullanıcılarının erişimine açıldığı da belirtiliyor. Bu durum, ERA’nın yalnızca grip tahmini için hazırlanmış tek amaçlı bir yazılım olmadığını gösteriyor. Araç, farklı bilimsel problemlerde kullanılabilecek bir araştırma altyapısının parçası olarak konumlanıyor.

Yapay zekânın bu tür tahminlerdeki en büyük katkısı, çok sayıda veriyi kısa sürede işleyebilmesi. Ancak veriyi hızlı analiz etmek, tek başına doğru karar vermek için yeterli değil. Sağlık verilerinin nasıl toplandığı, hangi bölgeden geldiği ve mevsimsel koşullar gibi etkenler, tahminlerin güvenilirliğini doğrudan etkileyebiliyor.

Bu nedenle Google’ın modeli de sağlık uzmanlarının değerlendirmelerinin yerine geçmiyor. Model, olası hastane yoğunluklarını önceden hesaplayan bir destek aracı olarak kullanılıyor. Uzmanlar, yapay zekânın ürettiği sonuçları gerçek sağlık sistemi ihtiyaçlarıyla karşılaştırarak hangi hazırlıkların yapılabileceğini değerlendiriyor.

Google modelinin 39 sistem arasından birinci olması, yapay zekâ destekli tahminlerin halk sağlığı takibinde kullanılabileceğini gösteren ölçülebilir bir sonuç sunuyor. FluSight’ın düzenli karşılaştırmaları sayesinde modellerin performansı gerçek veriler üzerinden takip edilebiliyor. Bu yaklaşım, tahmin sistemlerinin yalnızca geliştirme aşamasında değil, gerçek kullanım koşullarında da sınanmasına olanak tanıyor.