Libérer les modèles de fondation géospatiaux planétaires de Earth AI pour la santé publique mondiale

Les décisions de santé publique reposent fortement sur des données granulaires et opportunément disponibles. Pour des problèmes de santé tels que les maladies cardiovasculaires ou la dépression postpartum, ces données nous montrent où concentrer les ressources et le soutien. Pour les épidémies aiguës, telles que la dengue ou le choléra, elles peuvent aider à orienter les protocoles opérationnels urgents et l'allocation des ressources. Cependant, les méthodes conventionnelles la surveillance épidémiologique est souvent entravée par des limitations dans les données : des retards pluriannuels dans les rapports, des données cloisonnées selon des frontières géopolitiques rigides, et une rareté des données. Même en l'absence de ces limites, les approches de modélisation traditionnelles exigent une collecte de données étendue spécifique à chaque tâche et des pipelines personnalisés d'ingénierie des données difficiles à déployer lors d'épidémies rapides ou dans des contextes aux ressources limitées.

Pour remédier à ces goulots d'étranglement systémiques, nous introduire un nouveau paradigme en santé publique en tirant parti des modèles géospatiaux fondamentaux planétaires. En utilisant Google Earth AIs Modèle fondation de dynamique des populations En tant que preuve de concept, nous montrons comment des représentations auto-supervisées et pré-entraînées du « lieu » peuvent être intégrées directement dans les flux de travail existants des sciences de la santé et de l'épidémiologie comme entrées prêtes à l'emploi — améliorant les modèles statistiques et d'apprentissage automatique (ML) que les épidémiologistes utilisent déjà, plutôt que de construire de nouveaux pipelines à partir de zéro. (PDFM) compresse les tendances de recherche préservant la confidentialité, la mobilité humaine, la densité de l'environnement bâti et les déterminants environnementaux en embeddings de localisation. Sans nécessiter de fine-tuning spécifique à une tâche, ces embeddings de localisation prêts à l'emploi ont égalé ou dépassé les entrées conventionnelles dans une grande variété de domaines de maladies, de contextes géographiques et de tâches épidémiologiques.

Qu'est-ce que PDFM ?

Faisant partie de Google Earth AI — notre suite de modèles géospatiaux connectant les images satellite, la météo, les tendances de recherche anonymes, la mobilité humaine et d'autres dynamiques de population — PDFM utilise l'apprentissage auto-supervisé pour synthétiser les signaux variés et préservant la confidentialité suivants en embeddings compacts et polyvalents qui servent d'« empreintes digitales » pour les lieux, actualisées à un rythme mensuel :

• Tendances de recherche agrégées: Fréquences de recherche de sujets et de ressources ayant suscité un intérêt au niveau communautaire
• Environnement bâti et mobilité: Densité locale et fréquentation de lieux tels que les pharmacies, les cliniques et les parcs.
• Déterminants environnementaux: Métriques et statistiques météorologiques et de qualité de l'air à haute résolution.

Plutôt que d'exiger des chercheurs qu'ils collectent et traitent eux-mêmes ces flux de données brutes, les embeddings PDFM peuvent être facilement intégrés dans des workflows ML existants afin de fournir un contexte géospatial prêt à l'emploi.

Des travaux antérieurs ont montré que ces embeddings sont indépendants des tâches. Comme ces signaux du quotidien capturent les déterminants sociaux, comportementaux et environnementaux sous-jacents de la santé, les mêmes embeddings ont affiché de fortes performances pour combler les lacunes dans une grande variété de métriques de santé des CDC.

Cependant, l'établissement d'un nouveau paradigme pour la santé mondiale exige un niveau de preuve plus élevé. Pour répondre à cette exigence, nous nous sommes attachés à démontrer la valeur des embeddings PDFM sur un éventail plus large de problèmes de santé et dans différents environnements à travers le monde.

Vue d'ensemble du PDFM de Google Earth AI appliqué à un large éventail de défis de santé mondiaux.

Matrice de validation en un coup d'œil

Pour y parvenir, nos partenaires de recherche en santé mondiale ont facilité des évaluations indépendantes portant sur cinq défis de santé publique distincts — couvrant diverses tâches épidémiologiques, contextes de ressources et types de maladies :

Capturer les dynamiques transfrontalières de la vaccination

Nos évaluations montrent que si les modèles épidémiologiques sont limités par les frontières souveraines, les résultats qu'ils suivent ne le sont pas. Par exemple, dans les 146 comtés américains situés à moins de 150 km de la frontière canadienne, les modèles purement nationaux ont souvent du mal à prédire l'adoption locale des vaccins.

En complétant les embeddings des comtés américains avec des embeddings de zones de tri d'acheminement canadiennes, des chercheurs du Mount Sinai Health System et du Boston Children’s Hospital ont développé des modèles capturant les retombées comportementales et de mobilité transfrontalières. Pour aider les responsables de la santé publique à cibler les communautés à risque d'épidémies de rougeole, les chercheurs ont utilisé ce contexte transfrontalier supplémentaire pour faire passer la part de la variance de la couverture vaccinale ROR expliquée par les modèles de 16% à 22% (une augmentation de 36%) et affiner les estimations de couverture d'au moins 3 points de pourcentage pour 4.7 millions de résidents frontaliers, révélant des schémas locaux que les modèles purement nationaux peuvent manquer.

Réduire les délais de notification dans la surveillance des maladies chroniques

Les maladies cardiovasculaires (MCV) causent plus de 916,000 décès par an aux États-Unis. Cependant, les données officielles non corrigées de mortalité au niveau des comtés provenant de National Vital Statistics System (NVSS) a généralement un retard de 1 à 2 ans, et American Community Survey (ACS) les covariables reflètent des conditions datant de 2 à 3 ans. PDFM est disponible dans davantage d'endroits et présente un délai bien plus court, permettant d'améliorer notre capacité à modéliser les maladies.

Nos partenaires de la NYU Grossman School of Medicine ont testé si PDFM pouvait remplacer ces entrées basées sur le recensement pour estimer les décès par maladies cardiovasculaires (MCV) de l'année en cours dans environ 3,100 comtés américains. Ils n'ont trouvé aucune différence statistiquement significative entre PDFM et les données de recensement traditionnelles pour le nowcasting, PDFM étant bien plus à jour et disponible dans beaucoup plus d'endroits :

• Comparable aux données de recensement: les modèles utilisant PDFM ont prédit les décès par MCV au niveau des comtés pour 2023 à peu près aussi précisément que les modèles utilisant les données démographiques et socioéconomiques de l'ACS (une erreur moyenne de 18.7 contre 19.1 décès par comté lors du nowcasting) tout en réduisant les erreurs aberrantes des grands comtés (RMSE) de 20% (57.7 → 46.0). Les différences n'étaient pas statistiquement significatives, ce qui suggère que PDFM peut servir de substitut aux entrées du recensement.
• Plus actuel et plus largement disponible: les covariables de l'ACS regroupent cinq années de données d'enquête et sont publiées jusqu'à un an après la collecte. Les embeddings PDFM utilisés dans cette étude ont été construits à partir d'un seul mois de données. PDFM est également disponible dans 17 pays, tandis que l'ACS ne couvre que les États-Unis.

Ces résultats suggèrent que PDFM peut permettre aux services de santé d'orienter les ressources de prévention en fonction des conditions actuelles plutôt que d'attendre des cycles d'enquête pluriannuels.

Affiner les prévisions des foyers d'épidémie actifs

Le temps est particulièrement précieux pour faire face aux épidémies de maladies à transmission vectorielle comme la dengue. En partenariat avec des chercheurs en santé publique de l' University of Oxford et du Tecnológico de Monterrey, nous avons combiné PDFM avec TimesFM 2.0 (notre modèle de fondation open source pour séries temporelles) pour prévoir le nombre de cas de dengue dans environ 2,450 municipalités mexicaines entre 2020 et 2025.

Les plus grands gains de performance du modèle ont été observés lors des prédictions à un mois, améliorant la précision des prévisions dans jusqu'à 72% des municipalités où la transmission de la dengue était active, produisant des réductions d'erreur totales 3.4 fois plus importantes que les dégradations. Cette performance s'est produite précisément là où les décisions de lutte antivectorielle et de personnel clinique en temps opportun comptent le plus, notamment compte tenu de l' utilité démontrée des prévisions à court terme.

Tester les frontières géographiques dans le dépistage clinique

Le dépistage des troubles de santé mentale maternelle comme la dépression post-partum (DPP) repose généralement sur les informations recueillies lors de l'admission clinique, qui capturent rarement les conditions communautaires plus larges qui façonnent le risque d'une mère et son accès aux soins. Pour tester si les modèles géospatiaux de fondation peuvent aider à combler cette lacune, des chercheurs de l' Université de Washington ont évalué les embeddings PDFM auprès de 332,970 participants de l'enquête nationale CDC PRAMS .

En plus de la capture par PDFM des conditions socioéconomiques au niveau communautaire (R2=0.45), l'ajout des embeddings a apporté une amélioration constante et statistiquement significative de la prédiction des mères à risque (AUC +0.0020 dans les états vus ; +0.0038 dans les états non vus). Fait crucial, ce signal s'est maintenu dans des états que le modèle n'avait jamais vus pendant l'entraînement — agissant comme un contexte local complémentaire qui récupère environ 15 % du signal prédictif des propres registres de revenus et d'assurance d'une mère lorsque ces détails ne sont pas disponibles.

Ce contexte transférable a fait la plus grande différence dans la manière dont les ressources de dépistage sont orientées dans de nouveaux états. Dans des simulations où un système de santé peut assurer le suivi des 20 % de mères les plus à risque, l'ajout de PDFM a permis d'atteindre 5,640 mères rurales supplémentaires souffrant de dépression post-partum chaque année. Alternativement, dans les systèmes visant à détecter 80 % de tous les cas, PDFM a réduit de 17,723 fausses alertes par an — montrant comment les embeddings géospatiaux peuvent aider les systèmes de santé à élargir la sensibilisation en zone rurale ou à améliorer l'efficacité du suivi.

Prolonger les délais de prévision dans l'émergence prospective du choléra

L'alerte précoce pour les épidémies d'origine hydrique comme le choléra est essentielle pour le prépositionnement des vaccins anticholériques oraux et des approvisionnements en eau potable. Heureusement, les épidémies sont rares : au cours d'une semaine donnée, moins de 1 zone de santé sur 100 parmi les 403 zones de santé du pays voit une épidémie débuter. Malheureusement, cette rareté même les rend difficiles à anticiper.

Pour répondre à un cas d'usage défini par le Bureau régional de l'Organisation mondiale de la Santé pour l'Afrique en utilisant les données nationales de surveillance issues du système de notification Integrated Disease Surveillance and Response (IDSR) de la République démocratique du Congo, nous avons testé si une version légère et à faibles ressources de PDFM (adaptée aux régions à connectivité Internet limitée) pouvait aider à prévoir les foyers de choléra.

Le bénéfice dépendait de l'horizon de prévision. À une ou deux semaines, les nombres de cas récents racontaient l'essentiel de l'histoire et PDFM n'améliorait pas significativement la précision. À quatre à huit semaines, lorsqu'il reste encore du temps pour acheminer les fournitures, cela a aidé à produire :

• Des listes restreintes plus précises: les équipes d'intervention travaillent à partir d'une liste restreinte de zones à haut risque, de sorte que chaque semaine nous avons vérifié combien des cinq premiers choix du modèle allaient connaître une épidémie. Huit semaines à l'avance, PDFM a fait passer ce chiffre de 1.78 à 2.10 choix corrects par semaine, soit une amélioration de 18 %.
• Des gains plus importants là où le choléra est endémique: Dans les 15 zones ayant signalé le choléra durant au moins la moitié de toutes les semaines, la Precision@5 des listes restreintes à huit semaines est passée de 0.3333 à 0.3975, un gain relatif de 19 %.

Ces résultats démontrent que si le suivi à court terme peut s'appuyer sur des données cliniques récentes, les embeddings de modèles de fondation capturent les déterminants environnementaux, de connectivité et de population sous-jacents qui complètent les données historiques, permettant une planification proactive un à deux mois à l'avance.

Perspectives

Les modèles géospatiaux de fondation permettent de passer d'une modélisation réactive et localisée à une intelligence sanitaire proactive et sensible au facteur temporel, à l'échelle planétaire. Les limitations actuelles, telles que les instantanés statiques, alimentent des recherches actives sur les embeddings dynamiques dans le temps et l'apprentissage par transfert géographique pour les régions sous-connectées.

En intégrant des données contextuelles planétaires dans les flux de travail de santé publique existants, nous pouvons contribuer à améliorer la manière dont les ressources de santé, les interventions et les alertes d'épidémie parviennent aux communautés qui en ont le plus besoin. Lisez l' article pour plus de détails.

Les embeddings PDFM sont disponibles commercialement en Preview sous le nom de Population Dynamics Insights, un jeu de données d'embeddings géospatiaux de Google Maps Platform. Les universitaires et les chercheurs en santé publique peuvent également demander un accès sans frais pour des cas d'usage de recherche sélectionnés et non opérationnels.