מודל שפותח בעזרת AI של גוגל דורג ראשון בחיזוי אשפוזי שפעת

לגוגל יש חשבון פתוח עם חיזוי שפעת. לפני יותר מעשור, מערכת שפיתחה כדי לעקוב אחרי התחלואה באמצעות חיפושים באינטרנט הפכה לדוגמה מוכרת ליוהרה של עידן הנתונים הגדולים (Big Data). ההבטחה הייתה לזהות במהירות מה קורה באוכלוסייה, אבל בפועל המערכת הגזימה בהערכות התחלואה. עכשיו גוגל חוזרת לאותו תחום עם הישג שקשה לפטור כיחסי ציבור. מודל שפותח בעזרת הבינה המלאכותית שלה דורג ראשון בהערכת חיזוי אשפוזי השפעת של רשויות הבריאות האמריקאיות. הסיפור המעניין כאן מתחיל דווקא בכישלון הישן. הוא מאפשר לבחון אם גוגל שינתה את הדרך שבה היא פותרת את הבעיה, איך בינה מלאכותית משפיעה על התהליך ועד כמה ההצלחה החדשה מצדיקה אמון.

החיפוש לא הספיק

כשגוגל השיקה את Google Flu Trends ב-2008, הרעיון היה מפתה. אנשים שחולים מחפשים מידע על תסמינים וטיפולים. מיליוני חיפושים יכולים, לכאורה, לספק תמונה מהירה של התפשטות השפעת, עוד לפני שהדיווחים הרפואיים מגיעים. גוגל (Google) עצמה תיארה את הפרויקט כניסיון למדל תופעות בעולם באמצעות דפוסי חיפוש.

אלא שחיפוש הוא רק רמז התנהגותי, לא אבחנה רפואית. בפברואר 2013 העריכה המערכת שיעור ביקורים אצל רופאים בשל תסמינים דמויי שפעת שהיה גבוה ביותר מפי שניים מההערכה של המרכזים האמריקאיים לבקרת מחלות ומניעתן, ה-CDC. מאמר שפורסם ב-Science ב-2014 הפך את הטעות למקרה מבחן על מגבלות השימוש בנתונים גדולים.

החוקרים הצביעו על התאמת יתר לדפוסים מקריים ועל שינויים בהתנהגות החיפוש ובמנוע החיפוש עצמו. מערכת יכולה ללמוד קשר שנראה משכנע בנתוני העבר, ואז לגלות שהקשר השתנה. כפי שהסבירו מחברי המחקר, גם שינויים שגוגל ביצעה כדי לעזור למשתמשים לחפש מידע יכלו לשבש את האות שעליו הסתמך המודל.

זו הייתה התפכחות חשובה. כמות הנתונים לא פטרה את גוגל מהצורך להבין מה הם מודדים. ב-2015 החברה הפסיקה לתחזק את האתר הציבורי של Flu Trends ועברה למסירת נתונים לשותפי מחקר.

הפעם גוגל בנתה מעבדה של ניסויים

במערכת החדשה השתנתה נקודת המוצא. המחקר הנוכחי מתאר שימוש בנתוני מעקב רפואיים, ובהם נתוני אשפוזים ונתונים היסטוריים על תסמינים דמויי שפעת. היעד הוא לחזות אשפוזים בשבוע הנוכחי ועד שלושה שבועות קדימה.

גם תפקיד הבינה המלאכותית שונה. כלי המחקר ERA, קיצור של Empirical Research Assistance, מסייע לבנות את התוכנה שמייצרת את התחזיות. הוא משתמש במודל שפה כדי לכתוב קוד, להריץ אותו, לבדוק את התוצאה ולנסות גרסאות משופרות.

תחשבו על שולחן עבודה של חוקר. יש בעיה מוגדרת, נתונים, רעיונות מהספרות המדעית ודרך למדוד הצלחה. כיוון אחד נותן תוצאה חלשה ונזנח. כיוון אחר נראה מבטיח וזוכה לניסויים נוספים. ERA מבצע את המחזור הזה שוב ושוב, בהיקף שקשה להגיע אליו בעבודה ידנית. זו הגישה שמתוארת במחקר על הכלי שפורסם ב-Nature.

כאן נמצא לב השינוי. בניסיון הישן גוגל ביקשה ללמוד על תחלואה מתוך ההתנהגות שלנו במנוע החיפוש. בניסיון הנוכחי היא מפעילה סייען מחקר שמפתח ובוחן מודלים על בסיס נתונים רפואיים וידע מדעי. אפשר לראות בכך מעבר מהסתמכות על עקבות דיגיטליים לתהליך מחקר ממוקד יותר.

החוקרים עדיין קובעים את המשימה ואת מסגרת הבדיקה. בפרויקט חיזוי המחלות הם הנחו את המערכת לבחון שיטות קיימות, שילובים בין שיטות וגישות חדשות. מתוך האפשרויות שנוצרו נבחרו מודלים ששולבו לתחזית משותפת. ההישג נבנה על מפגש בין אוטומציה למומחיות אנושית.

הדרך החדשה של גוגל לחיזוי שפעת | Google

התחזיות יצאו למבחן בזמן אמת

מבחן החיזוי מתחיל כשהתשובה עדיין לא ידועה. מודל יכול להיראות מצוין מול נתונים היסטוריים ולהתקשות כשהוא פוגש עונה חדשה, דיווחים שמתעכבים ומגמות שמשנות כיוון.

גוגל עברה את המחסום הזה והגישה תחזיות שבועיות בזמן אמת. החברה תיארה את המעבר מבדיקות בדיעבד להגשות שוטפות כבר במהלך העונה. בהמשך הגיע האישור החיצוני. דוח ה-CDC שפורסם ב-30 בספטמבר 2026 דירג את Google_SAI-FluEns ראשון מתוך 39 מודלים שנכללו בהערכת עונת 2025/26.

זה הישג ממשי. הדירוג משקלל את התאמת טווחי התחזית לנתונים שנצפו לאורך העונה במדינות ארצות הברית ובוושינגטון די-סי. יחד עם זאת, הדירוג הזה מחייב פרופורציה: מקום ראשון בטבלה לא מבטיח דיוק מוחלט בכל שבוע ובכל מחוז נתון.

אין במקורות שנבדקו השוואה ישירה שמוכיחה איזה שינוי הכריע את התוצאה מול Flu Trends. אפשר לזהות הבדלים מהותיים בנתונים, במשימה ובתהליך הפיתוח. אי אפשר להכריז שעונה אחת סגרה את החשבון עם טעויות העבר.

מי יכול לפעול כשהתחזית מגיעה?

גם המודל של גוגל התקשה בנקודות מסוימות. החוקרים מתארים נטייה להערכת חסר בתחילת התקדמות העונה ולהערכת יתר אחרי השיא. ה-CDC מצדו מדווח על קשיים בחיזוי שינויים חדים גם בתחזית המשולבת שבה הוא משתמש לתקשור התחזיות לציבור, שדורגה שביעית בהערכה.

לכן המבחן של האלגוריתם נמשך, ובמקביל מתחיל מבחן אחר. מנהל בית חולים שמקבל התרעה על עלייה צפויה באשפוזים צריך להבין אותה, להחליט כיצד להגיב ולהחזיק במשאבים שמאפשרים תגובה. התרעה יכולה לתת זמן לתכנון משמרות ולהיערכות של מחלקות. היא לא מבטיחה שיש צוות זמין או מיטה פנויה.

גוגל הרוויחה סיבה טובה שנקשיב לתחזיות שלה. היא תצטרך להרוויח את האמון מחדש גם בעונות הבאות. אבל כדי שההישג יהיה חשוב לחולה שממתין במסדרון, מערכת הבריאות צריכה להיות מסוגלת להשתמש בזמן שהתחזית נותנת לה. מקום ראשון בטבלת חיזוי הוא הישג מדעי, אבל ההישג הציבורי יגיע כשאותה התרעה מוקדמת תאפשר לקבל את החולה הבא בתנאים טובים יותר.