Desbloqueando los modelos fundacionales geoespaciales planetarios de Earth AI para la salud pública global

Las decisiones de salud pública dependen en gran medida de datos oportunos y detallados. Para afecciones de salud, como las enfermedades cardiovasculares o la depresión posparto, esos datos nos muestran dónde enfocar los recursos y el apoyo. Para brotes de enfermedades agudas, como el dengue o el cólera, pueden ayudar a informar protocolos operativos urgentes y la asignación de recursos. Sin embargo, los métodos convencionales la vigilancia epidemiológica a menudo se ve obstaculizada por limitaciones en los datos: retrasos en los reportes de varios años, datos aislados por rígidas fronteras geopolíticas y escasez de datos. Incluso sin estas limitaciones, los enfoques de modelado tradicionales requieren una extensa recopilación de datos específicos para cada tarea y canalizaciones personalizadas de ingeniería de datos que son difíciles de desplegar durante brotes rápidos o en entornos con recursos limitados.

Para abordar estos cuellos de botella sistémicos, nosotros introducir a nuevo paradigma en salud pública aprovechando modelos fundacionales geoespaciales planetarios. Usando Google Earth AI’s Modelo Fundacional de Dinámica Poblacional Como prueba de concepto (PDFM), demostramos cómo las representaciones autodirigidas (self-supervised), preentrenadas de «lugar» pueden integrarse directamente en flujos de trabajo existentes de las ciencias de la salud y la epidemiología como entradas plug-and-play, mejorando los modelos estadísticos y de aprendizaje automático (ML) que los epidemiólogos ya utilizan, en lugar de construir nuevos pipelines desde cero. PDFM comprime tendencias de búsqueda que preservan la privacidad, movilidad humana, densidad del entorno construido y determinantes ambientales en embeddings de ubicación. Sin requerir un ajuste fino específico para cada tarea, estos embeddings de ubicación listos para usar igualaron o mejoraron los insumos convencionales en una amplia variedad de dominios de enfermedades, entornos geográficos y tareas epidemiológicas.

¿Qué es PDFM?

Parte de Google Earth AI —nuestra suite de modelos geoespaciales que conecta imágenes satelitales, el clima, tendencias de búsqueda anónimas, movilidad humana y otras dinámicas poblacionales—, PDFM utiliza aprendizaje autosupervisado para sintetizar las siguientes señales diversas y que preservan la privacidad en embeddings compactos y versátiles que sirven como "huellas dactilares" de ubicaciones actualizadas con una cadencia mensual:

• Tendencias de búsqueda agregadas: Frecuencias de búsqueda de temas y recursos que han despertado interés a nivel comunitario
• Entorno construido y movilidad: Densidad local y afluencia de lugares como farmacias, clínicas y parques.
• Determinantes ambientales: Métricas y estadísticas de alta resolución sobre el clima y la calidad del aire.

En lugar de exigir a los investigadores que recopilen y procesen ellos mismos estos flujos de datos sin procesar, las incrustaciones de PDFM pueden integrarse fácilmente en los flujos de trabajo de ML existentes para proporcionar contexto geoespacial listo para usar.

Trabajos anteriores demostraron que estas incrustaciones son independientes de la tarea. Debido a que estas señales cotidianas capturan los determinantes sociales, conductuales y ambientales subyacentes de la salud, las mismas incrustaciones mostraron un rendimiento sólido al completar los vacíos en una amplia variedad de métricas de salud de los CDC.

Sin embargo, establecer un nuevo paradigma para la salud global conlleva una mayor carga de prueba. Para cumplir con este estándar, nos propusimos demostrar el valor de las incrustaciones de PDFM en una mayor variedad de desafíos de salud y en diferentes entornos de todo el mundo.

Descripción general del PDFM de Google Earth AI aplicado a una amplia gama de desafíos de salud global.

Matriz de validación de un vistazo

Para lograrlo, nuestros socios de investigación en salud global facilitaron evaluaciones independientes en cinco desafíos de salud pública distintos, que abarcan diversas tareas epidemiológicas, entornos de recursos y tipos de enfermedades:

Capturar las dinámicas transfronterizas en la inmunización

Nuestras evaluaciones muestran que, si bien los modelos epidemiológicos están limitados por las fronteras soberanas, los resultados que rastrean no lo están. Por ejemplo, en los 146 condados de EE. UU. situados a menos de 150 km de la frontera canadiense, los modelos puramente nacionales a menudo tienen dificultades para predecir la aceptación local de vacunas.

Al complementar los embeddings de condados de EE. UU. con embeddings de las áreas de clasificación postal adelantada canadienses, investigadores de la Mount Sinai Health System y del Boston Children’s Hospital desarrollaron modelos que capturaron los desbordamientos de comportamiento y movilidad transfronterizos. Para ayudar a los funcionarios de salud pública a identificar comunidades en riesgo de brotes de sarampión, los investigadores usaron este contexto transfronterizo adicional para aumentar la proporción de variación en la cobertura de vacunación MMR explicada por los modelos del 16% al 22% (un aumento del 36%) y refinar las estimaciones de cobertura en al menos 3 puntos porcentuales para 4.7 millones de residentes fronterizos, revelando patrones locales que los modelos puramente nacionales podrían pasar por alto.

Reducir los retrasos de notificación en la vigilancia de enfermedades crónicas

La enfermedad cardiovascular (ECV) cobra más de 916,000 vidas al año en EE. UU. Sin embargo, los datos oficiales no suprimidos de mortalidad a nivel de condado de National Vital Statistics System (NVSS) suele retrasarse entre 1 y 2 años, y American Community Survey (ACS) las covariables reflejan condiciones de hasta 2–3 años en el pasado. PDFM está disponible en más lugares y tiene mucho menos retraso, lo que permite mejorar nuestra capacidad de modelar enfermedades.

Nuestros socios de NYU Grossman School of Medicine pusieron a prueba si PDFM podía sustituir estos insumos basados en el censo al estimar las muertes por ECV del año en curso en aproximadamente 3,100 condados de EE. UU. No encontraron diferencias estadísticamente significativas entre PDFM y los datos censales tradicionales en la nowcasting, siendo PDFM mucho más actual y disponible en muchos más lugares:

• Comparable a los datos censales: Los modelos que usaban PDFM predijeron las muertes por ECV a nivel de condado en 2023 con una precisión similar a los modelos que usaban datos demográficos y socioeconómicos de ACS (un error promedio de 18.7 frente a 19.1 muertes por condado en la nowcasting) mientras reducían los errores atípicos en condados grandes (RMSE) en un 20% (57.7 → 46.0). Las diferencias no fueron estadísticamente significativas, lo que sugiere que PDFM puede servir como sustituto de los insumos censales.
• Más oportuno y más ampliamente disponible: Las covariables de ACS agrupan cinco años de datos de encuestas y se publican hasta un año después de su recolección. Las incrustaciones de PDFM utilizadas en este estudio se construyeron a partir de un solo mes de datos. PDFM también está disponible en 17 países, mientras que ACS cubre solo EE. UU.

Estos resultados sugieren que PDFM puede permitir a los departamentos de salud orientar los recursos de prevención según las condiciones actuales en lugar de esperar ciclos de encuestas de varios años.

Mejorando las previsiones de focos activos de brotes

El tiempo es especialmente crucial al abordar brotes de enfermedades transmitidas por vectores como el dengue. En colaboración con investigadores de salud pública de la University of Oxford y el Tecnológico de Monterrey, combinamos PDFM con TimesFM 2.0 (nuestro modelo fundacional abierto de series temporales) para pronosticar el número de casos de dengue en ~2,450 municipios mexicanos entre 2020 y 2025.

Las mayores mejoras de rendimiento del modelo se produjeron al predecir con un mes de antelación, mejorando la precisión de las previsiones en hasta el 72% de los municipios con transmisión activa de dengue, y generando reducciones totales del error 3.4 veces mayores que las degradaciones. Este rendimiento ocurrió precisamente donde las decisiones oportunas de control de vectores y personalización clínica importan más, especialmente considerando la utilidad demostrada de las previsiones a corto plazo.

Poner a prueba los límites geográficos en la detección clínica

La detección de condiciones de salud mental materna como la depresión posparto (PPD) suele basarse en la información de admisión clínica, que rara vez captura las condiciones comunitarias más amplias que moldean el riesgo de una madre y su acceso a la atención. Para evaluar si los modelos fundacionales geoespaciales pueden ayudar a cerrar esta brecha, investigadores de la Universidad de Washington evaluaron los embeddings de PDFM en 332,970 participantes de la encuesta nacional CDC PRAMS .

Además de que PDFM capturó las condiciones socioeconómicas a nivel comunitario (R2=0.45), la incorporación de los embeddings proporcionó una mejora constante y estadísticamente significativa para predecir qué madres estaban en riesgo (AUC +0.0020 en estados vistos; +0.0038 en estados no vistos). Fundamentalmente, esta señal se mantuvo en estados que el modelo nunca había visto durante el entrenamiento, actuando como contexto local complementario que recupera aproximadamente el 15% de la señal predictiva de los registros de ingresos y seguro de la propia madre cuando esos datos no están disponibles.

Este contexto transferible marcó la mayor diferencia en cómo se dirigen los recursos de detección en estados nuevos. En simulaciones donde un sistema de salud puede dar seguimiento al 20% de las madres con mayor riesgo, añadir PDFM ayudó a alcanzar a 5,640 madres rurales más con depresión posparto cada año. Alternativamente, en sistemas que buscan detectar el 80% de todos los casos, PDFM redujo 17,723 falsas alarmas anualmente, mostrando cómo los embeddings geoespaciales pueden ayudar a los sistemas de salud a ampliar el alcance rural o a mejorar la eficiencia del seguimiento.

Ampliación de los tiempos de anticipación en la aparición prospectiva del cólera

La alerta temprana de epidemias transmitidas por el agua como el cólera es fundamental para el preposicionamiento de vacunas orales contra el cólera y suministros de agua limpia. Afortunadamente, los brotes son raros: en cualquier semana determinada, menos de 1 de cada 100 de las 403 zonas de salud del país ve comenzar uno. Lamentablemente, esta misma rareza los hace difíciles de anticipar.

Para abordar un caso de uso definido por la Oficina Regional de la Organización Mundial de la Salud para África utilizando datos nacionales de vigilancia del sistema de reporte de Vigilancia y Respuesta Integradas a las Enfermedades (IDSR) de la República Democrática del Congo, probamos si una versión ligera y de bajos recursos de PDFM (adaptada para regiones con conectividad a internet escasa) podía ayudar a pronosticar los puntos críticos del cólera.

El beneficio dependía de con cuánta anticipación miráramos. Con una o dos semanas de antelación, los recuentos recientes de casos contaban la mayor parte de la historia y PDFM no mejoró significativamente la precisión. Con cuatro a ocho semanas de antelación, cuando todavía hay tiempo para mover suministros, ayudó a producir:

• Listas más precisas: Los equipos de respuesta trabajan a partir de una lista corta de zonas de alto riesgo, por lo que cada semana verificamos cuántas de las cinco mejores selecciones del modelo terminaron teniendo un brote. Con ocho semanas de antelación, PDFM elevó esto de 1.78 a 2.10 selecciones correctas por semana, una mejora del 18%.
• Mayores ganancias donde el cólera es endémico: En las 15 zonas que habían reportado cólera en al menos la mitad de todas las semanas, la Precision@5 de las listas de ocho semanas mejoró de 0.3333 a 0.3975, una ganancia relativa del 19%.

Estos hallazgos demuestran que, si bien el seguimiento a corto plazo puede basarse en datos clínicos recientes, los embeddings de modelos fundacionales capturan determinantes ambientales, de conectividad y de población subyacentes que complementan los datos históricos, lo que permite una planificación proactiva con uno a dos meses de antelación.

Mirando hacia el futuro

Los modelos fundacionales geoespaciales permiten pasar de un modelado reactivo y localizado a una inteligencia sanitaria proactiva y sensible al tiempo a escala planetaria. Las limitaciones actuales, como las instantáneas estáticas, están impulsando la investigación activa en embeddings temporalmente dinámicos y aprendizaje por transferencia geográfico para regiones con baja conectividad.

Al integrar datos contextuales planetarios en los flujos de trabajo existentes de salud pública, podemos ayudar a dar pasos para mejorar cómo los recursos de atención médica, las intervenciones y las alertas de brotes llegan a las comunidades que más los necesitan. Lea el artículo para más detalles.

Los embeddings de PDFM están disponibles comercialmente en Preview como Population Dynamics Insights, un conjunto de datos de embeddings geoespaciales de Google Maps Platform. Los académicos e investigadores de salud pública también pueden solicitar acceso sin costo para casos de uso de investigación selectivos y no operativos.