解锁 Earth AI 的行星尺度地理空间基础模型以服务全球公共卫生

公共卫生决策高度依赖及时、精细的数据。对于心血管疾病或产后抑郁等健康状况而言，这些数据能告诉我们应将资源和支持集中在何处。对于登革热或霍乱等急性疾病暴发，这些数据有助于指导紧急操作规程和资源分配。然而，传统的 流行病学监测常常受到各种限制因素的阻碍 数据方面存在多年报告滞后、数据被僵化的地缘政治边界分割成孤岛以及数据稀疏等问题。即使没有这些限制，传统的建模方法也需要大量的特定任务数据收集和定制的數據工程管道，而这些在疫情快速暴发或资源受限的环境中难以部署。

为了解决这些系统性瓶颈，我们 介绍 a 新范式 利用行星地理空间基础模型推进公共卫生领域的发展。使用 Google Earth AI"s 人口动态基础模型 (PDFM) 作为概念验证，我们展示了如何将关于"地点"的自监督预训练表征作为即插即用的输入，直接整合到现有的健康科学和流行病学工作流程中——增强流行病学家已经在使用的统计和机器学习（ML）模型，而不是从头构建新的流水线。PDFM 将保护隐私的搜索趋势、人员流动、建成环境密度和环境决定因素压缩为位置嵌入。在无需针对特定任务进行微调的情况下，这些现成的位置嵌入在各种疾病领域、地理环境和流行病学任务中，表现与传统输入相当或更优。

什么是 PDFM？

PDFM 是 Google Earth AI 的一部分——这是我们的一套地理空间模型，连接卫星图像、天气、匿名搜索趋势、人口流动和其他人口动态——它使用自监督学习将以下多样化且保护隐私的信号合成为紧凑、通用的嵌入向量，作为按月更新的地点“指纹”：

• 聚合搜索趋势：搜索社区层面引起关注的主题和资源的频率
• 建筑环境与交通：药房、诊所和公园等场所的局部密度与繁忙程度。
• 环境决定因素：高分辨率的天气和空气质量指标与统计数据。

PDFM嵌入无需研究人员自己收集和处理这些原始数据流，即可轻松接入现有的机器学习工作流，提供即用的地理空间上下文。

先前工作 表明这些嵌入是与任务无关的。由于这些日常信号能够捕捉健康背后的社会、行为和环境决定因素，同一组嵌入在填补……方面的空白上也表现出色。 种类繁多的CDC健康指标.

然而，为全球健康建立新范式需要承担更高的举证责任。为了达到这一标准，我们着手证明 PDFM embeddings 在更广泛的健康挑战以及全球不同环境中的价值。

Google Earth AI 的 PDFM 应用于广泛全球健康挑战的概述。

验证矩阵一览

为实现这一目标，我们的全球健康研究合作伙伴围绕五项不同的公共卫生挑战推动了独立评估——涵盖多样的流行病学任务、资源环境和疾病类型：

捕捉免疫接种中的跨境动态

我们的评估表明,尽管流行病学模型受到主权边界的限制,但它们所追踪的结果并不受此限制。例如,在距加拿大边境150公里以内的146个美国县中,仅使用国内数据的模型往往难以预测当地的疫苗接种率。

通过为美国县级嵌入补充 加拿大转寄区嵌入,的研究人员在 西奈山卫生系统 和 波士顿儿童医院 开发了能够捕捉跨境行为和流动性外溢效应的模型。为了帮助公共卫生官员精准定位有麻疹暴发风险的社区,研究人员利用这些新增的跨境背景信息,将模型所解释的MMR疫苗接种覆盖率变异份额从16%提高到22%(提升36%),并为470万边境居民将覆盖率估计至少优化了3个百分点,揭示了仅用国内数据的模型可能遗漏的本地模式。

减少慢性病监测中的报告滞后

心血管疾病(CVD) 每年在美国夺去超过916,000条生命。 然而,未经抑制的官方县级死亡数据来自 国家生命统计系统 (NVSS) 通常滞后1–2年，且 美国社区调查 (ACS) 协变量反映的是截至 2–3 年前的情况。PDFM 在更多地方可用且滞后要小得多，从而能够提升我们建模疾病的能力。

我们在的合作伙伴 纽约大学格罗斯曼医学院 测试了PDFM在估计美国约3,100个县当前年份心血管疾病死亡数时能否替代这些基于人口普查的输入数据。他们发现PDFM与传统人口普查数据在现时预测方面没有统计学上的显著差异，而PDFM的数据更新鲜、覆盖范围也广得多：

• 可与人口普查数据相媲美：使用 PDFM 的模型在预测 2023 年县级 CVD 死亡人数方面，准确度与使用 ACS 人口和社会经济数据的模型相当（在即时预测时，每个县平均误差为 18.7 对 19.1 例死亡），同时减少了大县的离群值误差（RMSE）降低了20%（57.7 → 46.0）。这些差异在统计上不显著，表明 PDFM 可以作为人口普查输入数据的替代品。
• 更及时且更广泛可用: ACS协变量汇集了五年的调查数据，并且在收集后最长一年才发布。本研究中使用的PDFM嵌入仅由一个月的数据构建。PDFM还可用于17个国家，而ACS仅覆盖美国。

这些结果表明，PDFM可以帮助卫生部门根据当前状况指导预防资源的分配，而无需等待多年的调查周期。

锐化对活跃疫情热点的预测

在应对登革热等虫媒疾病的疫情时，时间尤为关键。我们与以下机构的公共卫生研究人员合作： 牛津大学 和 蒙特雷科技大学，我们将PDFM与 TimesFM 2.0 （我们的开源时间序列基础模型）相结合，预测2020年至2025年间墨西哥约2,450个市的登革热病例数。

该模型在提前一个月预测时获得了最大的性能提升，在多达72%的登革热活跃传播市改善了预测精度，总误差降低幅度是性能下降幅度的3.4倍。这种性能恰好出现在及时进行病媒控制和临床人员配置决策最为关键的地方，尤其是考虑到短期预测已被 证明的实用性 。

在临床筛查中测试地理边界

对产后抑郁(PPD)等孕产妇心理健康状况的筛查通常依赖临床入院信息,而这些信息很少能捕捉到影响母亲风险和医疗可及性的更广泛的社区条件。为了测试地理空间基础模型能否帮助弥合这一差距,来自 华盛顿大学 评估了 PDFM 嵌入,涵盖332,970名参与者,这些参与者来自该 CDC PRAMS 全国调查的332,970名参与者中评估了PDFM嵌入。

除了PDFM能够捕捉社区层面的社会经济条件(R2=0.45)之外,加入这些嵌入还对预测哪些母亲处于风险之中提供了持续的、统计显著的提升(在已见州AUC +0.0020;在未见州+0.0038)。关键的是,这一信号在模型训练期间从未见过的州依然有效——它作为补充性的本地背景信息,当母亲本人的收入和保险记录不可用时,能够恢复其中大约15%的预测信号。

这种可迁移的背景信息在如何向新州分配筛查资源方面产生了最大的影响。在卫生系统可以随访风险最高的20%母亲的模拟中,加入PDFM每年帮助多接触到5,640名患有产后抑郁的农村母亲。另外,在旨在发现80%病例的系统中,PDFM每年减少了17,723次误报——这表明地理空间嵌入可以帮助卫生系统要么扩大农村外展服务,要么提高随访效率。

在前瞻性霍乱暴发预测中延长提前期

对霍乱等水传播流行病的早期预警对于预先部署口服霍乱疫苗和清洁水源供应至关重要。幸运的是,疫情暴发是罕见的:在任何给定的一周内,该国403个卫生区中每100个里不到1个会开始出现疫情。不幸的是,正是这种罕见性使它们难以预测。

为了解决由 世界卫生组织非洲区域办事处 定义的用例,使用来自刚果民主共和国综合疾病监测与响应(IDSR)报告的全国监测数据,我们测试了轻量级、低资源版本的PDFM(为互联网连接稀疏的地区进行了适配)能否帮助预测霍乱热点。

其收益取决于我们向前看多远。在一到两周的预测期内,近期病例数已说明了大部分情况,PDFM并未显著提升准确性。而在四到八周时,即仍有时间调配物资时,它有助于生成:

• 更精准的候选名单:响应团队依据高风险区的简短名单开展工作,因此我们每周核查模型排名前五的预测中有多少随后真的发生了暴发。提前八周时,PDFM将每周正确预测数从1.78提高到2.10,提升了18%。
• 在霍乱流行地区收益更大:在15个至少在一半的周数中报告过霍乱的卫生区中,八周候选名单的Precision@5从0.3333提升到0.3975,相对提升19%。

这些发现表明,虽然短期追踪可以依赖近期临床数据,但基础模型嵌入能够捕捉补充历史数据的潜在环境、连通性和人口决定因素,从而支持提前一到两个月的主动规划。

展望未来

地理空间基础模型使我们能够从被动的、局部化的建模转向行星规模的主动、时效敏感的健康情报。当前的局限性(如静态快照)正推动着对时序动态嵌入以及面向连接不足地区的地理迁移学习的积极研究。

通过将行星尺度的背景数据整合到现有的公共卫生工作流程中,我们可以帮助改进医疗资源、干预措施和疫情警报触达最需要它们社区的方式。阅读该 论文 了解更多详情。

PDFM嵌入以 商业可用 的预览版形式作为 Population Dynamics Insights提供,这是来自Google Maps Platform的地理空间嵌入数据集。学术研究人员和公共卫生研究人员还可以为特定的非运营性研究用例 申请 免费访问权限。