--- title: "IA do Google lidera previsão de hospitalizações por gripe" author: "Gustavo Ramos O. Klein" date: "2026-10-01 07:00:00-03" category: "Inteligência Artificial & Dados" url: "http://desbugados.scale.press/portal/desbugados/post/2026/10/01/ia-do-google-lidera-previsao-de-hospitalizacoes-por-gripe/md" --- ## Resumo - O modelo de IA do Google ficou em primeiro lugar entre 39 modelos avaliados pelo CDC para prever hospitalizações por gripe na temporada 2025-2026. - A Empirical Research Assistance apresentou o melhor alinhamento com os dados observados de admissões hospitalares. - O programa FluSight combina previsões semanais para antecipar a demanda por serviços médicos estaduais entre outubro e maio. - Desde novembro de 2025, o Google envia previsões semanais para todos os estados dos Estados Unidos, com horizonte de até quatro semanas. - A ERA gera previsões em tempo real para gripe, COVID-19 e vírus sincicial respiratório. - O sistema Google-SAI foi submetido aos hubs oficiais do CDC e alcançou as melhores pontuações relativas de WIS entre os modelos avaliados. --- Uma avaliação do **CDC**, órgão de saúde pública dos Estados Unidos, colocou o modelo de inteligência artificial do Google em primeiro lugar entre 39 modelos de previsão de hospitalizações por gripe na temporada **2025-2026**. O sistema apresentou o melhor alinhamento com os dados observados de admissões hospitalares, resultado que ajuda a responder uma pergunta prática: até onde uma IA consegue antecipar a pressão sobre os serviços médicos? Para desbugar essa resposta, é preciso olhar para a ferramenta usada, para a forma como as previsões são comparadas e para a conexão desse trabalho com outros vírus respiratórios. A análise do [Google Research sobre a avaliação](https://blog.google/innovation-and-ai/models-and-research/google-research/google-science-ai-flu-forecasts) mostra que a tecnologia foi testada dentro de um programa oficial de previsões do CDC, e não apenas em uma demonstração isolada. ## O que colocou a IA do Google no topo O primeiro ponto está no método de comparação. O CDC avaliou **39 modelos de previsão** para a temporada de gripe de 2025-2026, e o sistema desenvolvido pelo Google, usando a ferramenta Empirical Research Assistance, conhecida como ERA, apresentou o melhor desempenho ao se alinhar aos dados observados de admissões hospitalares. Em termos simples, a avaliação verificou o quanto cada previsão conseguiu acompanhar o que realmente foi registrado nos hospitais. Essa diferença é relevante porque transforma a discussão sobre IA em uma comparação mensurável: os modelos foram colocados diante da mesma tarefa e o resultado do Google ficou no topo da avaliação descrita pelo órgão americano. Esse resultado ganha dimensão operacional por estar ligado ao **FluSight**, programa do CDC que combina previsões semanais para antecipar a demanda por serviços médicos estaduais. O programa cobre o período entre outubro e maio, acompanhando a temporada de gripe com atualizações regulares. A lógica lembra uma central de comunicação: cada modelo envia sua leitura sobre o que pode acontecer, e a estrutura do CDC organiza essas previsões para apoiar a leitura da demanda médica. Nesse fluxo, a IA do Google não aparece como uma resposta abstrata sobre o futuro, mas como um componente conectado a uma rotina de acompanhamento que compara previsões com admissões hospitalares observadas. ## Como a ferramenta ERA transforma pesquisa em previsão Essa conexão com dados reais começa na **Empirical Research Assistance**, ferramenta que o Google Research usa para gerar modelos de previsão. O sistema utiliza uma busca em árvore guiada por um LLM, sigla em inglês para modelo de linguagem de grande porte. A busca em árvore pode ser entendida como uma exploração de diferentes caminhos possíveis: em vez de seguir uma única hipótese, o sistema examina alternativas e seleciona combinações para construir modelos. A analogia com uma ponte ajuda a visualizar o processo: de um lado estão os dados e perguntas da pesquisa; do outro, as previsões que precisam ser enviadas aos programas de acompanhamento. A ERA funciona como a camada que ajuda a estabelecer essa passagem entre os dois lados. O alcance dessa abordagem foi analisado em um estudo prospectivo realizado durante a temporada respiratória de **2025-2026**. Prospectivo, nesse caso, significa que os modelos foram produzidos e enviados enquanto o período acompanhado estava acontecendo, em vez de serem avaliados somente depois que todos os dados já estavam disponíveis. Os modelos gerados pelo sistema Google-SAI, nome usado para a abordagem de Science AI do Google, foram submetidos em tempo real aos hubs FluSight, COVIDHub e RSVHub do CDC. O conjunto de modelos, chamado ensemble, alcançou as melhores pontuações relativas de Weighted Interval Score, ou WIS, entre os componentes avaliados e os principais competidores, conforme descrito no [estudo técnico sobre a previsão de múltiplos patógenos](https://arxiv.org/html/2605.16238v1). ## Da gripe a três vírus respiratórios A mesma infraestrutura passou a operar além da gripe. Desde **novembro de 2025**, a ERA gera previsões em tempo real para COVID-19, gripe e vírus sincicial respiratório, identificado pela sigla RSV. O Google envia previsões semanais para todos os estados dos Estados Unidos, com horizontes de até quatro semanas. Horizonte de previsão é o intervalo que o modelo tenta antecipar; aqui, ele chega a quatro semanas à frente. A conexão entre frequência semanal, cobertura estadual e horizonte definido cria uma rotina comparável entre diferentes doenças, permitindo que os modelos sejam acompanhados em uma mesma estrutura de submissão. Essa rotina também recebe acompanhamento de especialistas em bioestatística, área que usa métodos estatísticos para analisar dados de saúde. A performance da ERA tem sido monitorada por líderes como **Nicholas Reich**, da Universidade de Massachusetts Amherst, e o Google informa que vem operando no topo das tabelas de desempenho para gripe e COVID-19 desde o início das submissões. O dado coloca a avaliação em uma sequência contínua, na qual o desempenho é observado ao longo das previsões semanais, e não apenas em uma fotografia final. A ponte entre os diferentes hubs do CDC permite acompanhar se a mesma abordagem mantém resultados consistentes quando aplicada a mais de um patógeno respiratório. ## O que o resultado permite entender Para interpretar corretamente o primeiro lugar na avaliação da gripe, o indicador precisa ser ligado ao que foi medido: o alinhamento entre as previsões e os dados observados de **admissões hospitalares**. A conquista não descreve uma previsão genérica sobre a saúde da população, mas o desempenho de um modelo em uma tarefa específica do FluSight. Na prática, o resultado informa que, entre os 39 modelos analisados pelo CDC para a temporada 2025-2026, o modelo do Google apresentou a melhor correspondência com os registros usados na avaliação. É essa precisão dentro da tarefa definida que dá sentido ao anúncio do Google Research. A aplicação ganha escala porque o sistema combina geração automatizada, envio semanal e avaliação em horizontes de até **quatro semanas**. Os modelos são submetidos aos hubs oficiais do CDC em tempo real, enquanto o programa FluSight organiza previsões para antecipar a demanda por serviços médicos estaduais. A informação disponível, portanto, descreve uma cadeia conectada: a ERA ajuda a gerar os modelos, o Google-SAI os aplica aos patógenos acompanhados, os hubs recebem as previsões e as avaliações comparam os resultados com os dados observados. O próximo passo já presente na operação é manter esse ciclo semanal para gripe, COVID-19 e RSV, preservando a comparação entre diferentes horizontes e doenças.