La inteligencia artificial sigue encontrando aplicaciones más allá de los chatbots y la generación de imágenes. Esta vez, Google consiguió llevarla al terreno de la salud pública con un sistema capaz de anticipar las hospitalizaciones provocadas por influenza.
Un modelo desarrollado por Google Science AI obtuvo el mejor desempeño general entre los sistemas evaluados por los Centros para el Control y la Prevención de Enfermedades de Estados Unidos (CDC) durante la temporada de influenza 2025-2026.
El resultado forma parte de FluSight, la iniciativa con la que el organismo estadounidense reúne cada semana predicciones provenientes de universidades, organismos públicos y equipos de la industria para anticipar la evolución de las hospitalizaciones por influenza.
En la evaluación final participaron 39 modelos que cumplieron con los requisitos establecidos por el CDC. El sistema Google_SAI-FluEns23 terminó en el primer lugar según la principal métrica utilizada para medir la precisión de las predicciones.
Una IA ayudó a construir el modelo
Hay un elemento especialmente llamativo detrás del resultado: Google utilizó inteligencia artificial no solo para realizar las predicciones, sino también para ayudar a desarrollar el algoritmo que las hace posibles.
Las predicciones fueron desarrolladas utilizando Empirical Research Assistant (ERA), una herramienta de IA creada por Google capaz de generar algoritmos de optimización para diferentes áreas científicas.
En otras palabras, la IA participó en el proceso de encontrar una mejor manera de construir el sistema encargado de realizar las predicciones.
La tecnología detrás de ERA ya había sido presentada en una investigación publicada en la revista Nature y actualmente Google está permitiendo que un grupo de usuarios de prueba acceda a ella como parte de sus herramientas experimentales para científicos.
¿Qué intentaba predecir la IA de Google?
Durante la temporada de influenza, los equipos participantes en FluSight enviaron semanalmente sus estimaciones sobre las nuevas hospitalizaciones provocadas por la enfermedad en Estados Unidos.
Los modelos debían proyectar lo que ocurriría durante la semana en curso y hasta tres semanas hacia adelante.
El CDC posteriormente comparó esas predicciones con las hospitalizaciones que realmente se produjeron.
Según el análisis correspondiente a la temporada 2025-2026, 34 equipos aportaron pronósticos de 53 modelos diferentes. De ellos, 39 cumplieron los criterios necesarios para formar parte de la evaluación final.
El modelo de Google fue el que obtuvo el mejor resultado entre las propuestas individuales.
La comparación incluyó sistemas estadísticos, modelos mecanísticos, herramientas basadas en inteligencia artificial y aprendizaje automático, además de modelos que combinaban distintas aproximaciones.
¿Para qué sirve anticipar las hospitalizaciones?
Predecir cómo evolucionará una temporada de influenza puede entregar información relevante para que los sistemas sanitarios se preparen ante aumentos en la demanda.
FluSight permite al CDC estimar con anticipación posibles cambios en las hospitalizaciones y utilizar esa información para comunicar el escenario esperado a nivel estatal.
Durante la temporada 2025-2026, las hospitalizaciones por influenza en Estados Unidos comenzaron a aumentar a mediados de noviembre y alcanzaron su máximo nacional durante la semana que terminó el 27 de diciembre, superando las 40.000 hospitalizaciones semanales.
Los resultados también muestran las limitaciones de estos sistemas.
El CDC advirtió que incluso los modelos más avanzados pueden perder precisión cuando se producen cambios muy rápidos en la circulación de la influenza, como ocurrió durante el aumento de hospitalizaciones de diciembre y su posterior caída durante enero.
Por eso, estas predicciones no permiten saber con certeza qué ocurrirá, sino estimar escenarios probables que pueden complementar otras herramientas de vigilancia epidemiológica.
IA para hacer ciencia
Para Google, el resultado también funciona como una demostración de un área en la que las grandes tecnológicas están aumentando rápidamente sus inversiones: utilizar inteligencia artificial para acelerar el trabajo científico.
En lugar de limitarse a responder preguntas o generar contenido, sistemas como ERA buscan ayudar a investigadores a encontrar nuevos algoritmos y resolver problemas de optimización.
En este caso, esa capacidad terminó contribuyendo a un modelo que consiguió anticipar mejor que las otras propuestas evaluadas cómo evolucionarían las hospitalizaciones por influenza durante una temporada completa.
Una aplicación bastante distinta de la inteligencia artificial que utilizamos todos los días, pero que muestra hasta dónde puede extenderse su impacto.
