Google Research 介绍 Earth AI 地理空间基础模型 PDFM 在全球公共卫生中的应用

公共卫生决策高度依赖及时、细粒度的数据。对于心血管疾病或产后抑郁等健康状况，这些数据能告诉我们应将资源和支持集中在哪里。对于登革热或霍乱等急性疾病暴发，它可以帮助指导紧急操作规程和资源分配。然而，传统的流行病学监测往往受到数据局限性的阻碍：多年报告滞后、数据被僵化的地缘政治边界所孤立，以及数据稀疏。即便没有这些限制，传统建模方法也需要大量针对特定任务的数据收集和定制数据工程流水线，而这些在快速暴发期间或资源受限环境中很难部署。

为了解决这些系统性瓶颈，我们引入了一种利用行星级地理空间基础模型的公共卫生新范式。以 Google Earth AI 的 Population Dynamics Foundation Model（PDFM）作为概念验证，我们展示了如何将“地点”的自监督、预训练表征作为即插即用的输入，直接集成到现有健康科学和流行病学工作流中——增强流行病学家已经在使用的统计和机器学习（ML）模型，而不是从头开始构建新的流水线。PDFM 将保护隐私的搜索趋势、人类流动、建成环境密度和环境决定因素压缩成位置嵌入。无需针对特定任务进行微调，这些现成的位置嵌入在多种疾病领域、地理环境和流行病学任务中，都达到了或优于传统输入的表现。

什么是 PDFM？

作为 Google Earth AI 的一部分——这是我们的一套地理空间模型，用于连接卫星图像、天气、匿名搜索趋势、人类流动以及其他人口动态——PDFM 使用自监督学习，将以下多样化、保护隐私的信号合成为紧凑、通用的嵌入，这些嵌入可作为地点的“指纹”，并按月更新：

• 聚合搜索趋势：引发社区层面兴趣的主题和资源的搜索频率
• 建成环境和流动性：药店、诊所和公园等场所的本地密度和繁忙程度。
• 环境决定因素：高分辨率天气和空气质量指标及统计数据。

PDFM 嵌入无需研究人员自行收集和处理这些原始数据流，就可以轻松接入现有 ML 工作流，提供可直接使用的地理空间背景信息。

先前工作表明，这些嵌入与任务无关。由于这些日常信号捕捉了健康的潜在社会、行为和环境决定因素，同样的嵌入在填补各种 CDC 健康指标的缺口方面也表现强劲。

然而，为全球健康确立一种新范式需要更高的证明标准。为了达到这一标准，我们着手展示 PDFM 嵌入在更广泛的健康挑战以及全球不同环境中的价值。

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促成了针对五项不同公共卫生挑战的独立评估——涵盖多样化的流行病学任务、资源环境和疾病类型：

捕捉免疫接种中的跨境动态

我们的评估显示，尽管流行病学模型受主权边界约束，但它们追踪的结果并不受此限制。例如，在距离加拿大边境 150 km 范围内的 146 个美国县中，仅使用国内数据的模型往往难以预测当地疫苗接种率。

通过用加拿大前向分拣区嵌入补充美国县级嵌入，Mount Sinai Health System 和 Boston Children’s Hospital 的研究人员开发出了能够捕捉跨境行为和流动性溢出效应的模型。为帮助公共卫生官员精准定位有麻疹暴发风险的社区，研究人员利用这一新增的跨境背景，将模型所能解释的 MMR 疫苗接种覆盖率变异比例从 16% 提高到 22%（增加 36%），并将 470 万边境居民的覆盖率估计细化至少 3 个百分点，揭示出仅依赖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）每年在美国夺走超过 916,000 条生命。然而，来自国家生命统计系统（NVSS）的未抑制官方县级死亡率数据通常滞后 1–2 年，而美国社区调查（ACS）协变量反映的是最多 2–3 年前的状况。PDFM 可覆盖更多地点，且滞后时间短得多，从而有助于提升我们对疾病建模的能力。

我们在 NYU Grossman School of Medicine 的合作伙伴测试了在估算美国约 3,100 个县当年 CVD 死亡人数时，PDFM 是否可以替代这些基于人口普查的输入。他们发现，在临近预测方面，PDFM 与传统人口普查数据之间没有统计学显著差异，而且 PDFM 更新鲜，并且在更多地点可用：

• 可与人口普查数据相媲美：使用 PDFM 的模型预测 2023 年县级 CVD 死亡人数的准确度，与使用 ACS 人口统计和社会经济数据的模型大致相当（临近预测时，每个县的平均误差为 18.7 例死亡 vs. 19.1 例死亡），同时将大型县的异常误差（RMSE）降低了 20%（57.7 → 46.0）。差异没有统计学显著性，表明 PDFM 可以作为人口普查输入的替代方案。
• 更及时且覆盖更广：ACS 协变量汇总五年的调查数据，并且在收集后最长一年才发布。本研究中使用的 PDFM 嵌入由单月数据构建。PDFM 还覆盖 17 个国家，而 ACS 仅覆盖美国。

这些结果表明，PDFM 可以使卫生部门根据当前状况来指导预防资源配置，而无需等待多年一轮的调查周期。

提升对活跃疫情热点的预测精度

在应对登革热等媒介传播疾病暴发时，时间尤为关键。我们与University of Oxford 和 Tecnológico de Monterrey 的公共卫生研究人员合作，将 PDFM 与 TimesFM 2.0（我们的开放时间序列基础模型）结合，用于预测 2020 年至 2025 年期间墨西哥约 2,450 个市镇的登革热病例数。

该模型在预测未来一个月时取得了最大的性能提升，在多达 72% 的活跃登革热传播市镇中提高了预测准确性，使总误差降低幅度达到误差恶化幅度的 3.4 倍。这一表现恰好出现在及时的病媒控制和临床人员配置决策最为关键的地区，尤其是考虑到短期预测的已证实效用。

检验临床筛查中的地理边界

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接诊信息，而这些信息很少能捕捉到影响母亲风险和获得照护机会的更广泛社区条件。为测试地理空间基础模型是否有助于弥合这一差距，华盛顿大学的研究人员在 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，加入这些嵌入还为预测哪些母亲存在风险带来了持续且具有统计显著性的提升（已见州 AUC +0.0020；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中依然成立——作为补充性的本地背景，在母亲本人的收入和保险记录不可用时，可恢复这些记录预测信号的约 15%。

这种可迁移的背景信息对新州筛查资源的投放方式产生了最大影响。在一项模拟中，假设某健康系统可以对风险最高的 20% 母亲进行随访，加入 PDFM 后，每年可多触达 5,640 名患有产后抑郁的农村母亲。另一种情况下，在旨在捕捉 80% 全部病例的系统中，PDFM 每年减少了 17,723 次误报——显示出地理空间嵌入如何帮助健康系统扩大农村外展覆盖，或提高随访效率。

延长对霍乱出现的前瞻性预警时间

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饮水物资至关重要。幸运的是，暴发并不常见：在任意一周，全国 403 个卫生区中，开始出现暴发的不到 1%。不幸的是，正是这种罕见性也使其难以预判。

针对世界卫生组织非洲区域办事处定义的一个用例，利用刚果民主共和国“综合疾病监测与应对”（IDSR）报告中的全国监测数据，我们测试了一个轻量、低资源版本的 PDFM（为互联网连接稀疏地区进行了适配）是否有助于预测霍乱热点。

其收益取决于我们向前预测多远。提前一到两周时，近期病例数已能说明大部分情况，PDFM 并未显著提高准确性。提前四到八周时，由于仍有时间调配物资，它有助于产生：

• 更精准的候选清单：响应团队依据一份高风险区域短名单开展工作，因此我们每周检查模型选出的前五个区域中有多少随后发生了暴发。提前八周时，PDFM 将这一数字从每周 1.78 个正确选择提高到 2.10 个，提升了 18%。
• 在霍乱地方性流行地区收益更大：在至少一半周数中报告过霍乱的 15 个区域，八周短名单的 Precision@5 从 0.3333 提高到 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潜在的环境、连通性和人口决定因素，从而补充历史数据，使提前一到两个月开展主动规划成为可能。

展望未来

地理空间基础模型使我们能够在全球尺度上，从被动响应、局部化建模转向主动且注重时效的健康智能。当前的局限性（例如静态快照）正推动人们积极研究时序动态嵌入，以及面向连接不足地区的地理迁移学习。

通过将全球背景数据整合到现有公共卫生工作流程中，我们可以帮助改善医疗资源、干预措施和疫情警报触达最需要它们的社区的方式。阅读论文了解更多详情。

PDFM 嵌入现已作为 Google Maps Platform 提供的地理空间嵌入数据集 Population Dynamics Insights 在预览版中以商业形式提供。学术界人士和公共卫生研究人员也可以申请免费访问权限，用于特定的非运营性研究用例。