根據估計，流感每年導致超過3140萬次門診訪問，超過20萬人次前往急診室和醫院。毋庸置疑，有足夠的動力來預測流感爆發的範圍和嚴重程度，研究AI增強預測的研究人員正在取得進展。在Arxiv.org上發表的一篇論文《使用谷歌趨勢預測流感》中，來自東京大學的科學家們描述了一個系統，該系統可以利用谷歌趨勢的數據，這一工具分析了流感流行趨勢，並且利用Google搜索中的熱門搜索查詢，以提高精確度。

該團隊利用一種稱為序列到序列的人工智能模型，它可以根據內部信號選擇性地處理輸入數據。像大多數機器學習系統一樣，序列到序列模型由數學函數層（神經元）組成，攝取數據並將其傳遞給後續層，在此過程中調整神經元之間連接的強度（權重）。編碼器組件輸出對應於輸入的編碼矢量，而解碼器編碼輸入矢量並預測下一個時間步輸出。

至於上述谷歌趨勢數據，研究人員用它來衡量人們在任何特定時間點對流感的興趣。具體來說，他們在“流感”這個詞的檢索頻率上進行了磨練，作為該模型的補充信息，這有助於補償從流感樣疾病原始數據當中獲得的信息。總而言之，研究小組使用了六個州（紐約、俄勒岡州、加利福尼亞、伊利諾伊、德克薩斯和喬治亞州）未加權的流感樣疾病感染者比例，這些州因其氣候多樣性而被選中。研究人員將這些數據與2010年10月10日至2018年12月30日（430週）的谷歌趨勢數據相結合。大約67%的數據用於訓練人工智能模型，37%用於測試。

研究人員警告說，峰值隨著預測時間的增加而向下移動，因為無法從學習數據中準確預測峰值時間。然而，他們認為，添加一個領先指標（這些指標留給將來的工作）可以進一步提高預測準確性。