Google Earth AI 的地理空间基础模型用于全
来自 Google Research · 期号 2026-10-06
摘要
公共卫生决策依赖及时、细粒度的数据，但传统流行病监测常受限于多年报告滞后、数据孤岛和稀疏性。 Google Research 提出一种新范式：用地理空间基础模型 PDFM 的现成嵌入直接增强现有流行病学模型，无需重新构建管线。PDFM 将聚合搜索趋势、人口流动性、建成环境密度和环境因素压缩为位置指纹，每月更新。 五个独立案例验证了效果： - 美加边境 MMR 疫苗接种预测的方差解释率提升 36%（从 16% 到 22%）。 - 美国县级心血管疾病死亡率预测精度与基于人口普查的模型相当（平均误差 18.7 vs 19.1 例/县），但数据更新更快、覆盖更广。 - 墨西哥登革热 1 个月预测在 72% 的活跃传播区精度提升。 - 产后抑郁风险预测在未见过的州 AUC 提升 0.0038，帮助每年多覆盖 5,640 名农村产妇。 - 刚果（金）霍乱爆发预测在 8 周时 Precision@5 提升 18.1%。 论文附了开源代码。