Google Earth AI 的 PDFM 如何为全球公共卫生解锁行星级地理空间基础模型

公共卫生决策在很大程度上依赖于及时、细粒度的数据。对于心血管疾病或产后抑郁症等健康状况，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，它有助于为紧急操作方案和资源分配提供依据。然而，传统的流行病学监测往往受到数据局限性的制约：多年报告滞后、数据被僵化的地缘政治边界割裂，以及数据稀疏。即便没有这些局限，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化的数据工程流水线，这些在疫情快速暴发期间或资源受限的环境中难以部署。

为解决这些系统性瓶颈，我们引入了公共卫生领域的新范式，利用行星级地理空间基础模型。我们以Google Earth AI 的人口动态基础模型（PDFM）作为概念验证，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的健康科学与流行病学工作流中——增强流行病学家已经在使用的统计和机器学习（ML）模型，而不是从头构建新的流水线。PDFM 将隐私保护的搜索趋势、人类流动性、建成环境密度和环境决定因素压缩为位置嵌入。无需针对特定任务进行微调，这些现成的位置嵌入在广泛的疾病领域、地理环境和流行病学任务中，达到或超越了传统输入的表现。

什么是 PDFM？

作为 Google Earth AI 的一部分——该套件包含连接卫星影像、天气、匿名搜索趋势、人类流动性及其他人口动态的地理空间模型——PDFM 使用自监督学习将以下多样且隐私保护的信号综合为紧凑、通用的嵌入，作为地点的“指纹”，并按月更新：

• 聚合搜索趋势：获得社区层面关注的主题和资源的搜索频率
• 建成环境与流动性：药房、诊所和公园等场所的局部密度和繁忙程度。
• 环境决定因素：高分辨率天气和空气质量指标及统计数据。

研究人员无需自行收集和处理这些原始数据流，PDFM 嵌入可以轻松接入现有的 ML 工作流，提供即用型地理空间上下文。

先前的工作表明，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，相同的嵌入在填补多种 CDC 健康指标缺口方面表现出色。

然而，建立全球健康新范式需要更高的举证标准。为达到这一标准，我们着手在更广泛的健康挑战中、在全球不同的环境中展示 PDFM 嵌入的价值。

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在五项不同的公共卫生挑战中推动了独立评估——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制于主权边界，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，仅基于国内的模型往往难以预测当地疫苗的接种情况。

通过将美国县级嵌入与加拿大前方分拣区嵌入相结合，西奈山医疗系统和波士顿儿童医院的研究人员开发出了能够捕捉跨境行为与流动性溢出的模型。为帮助公共卫生官员精准定位面临麻疹疫情风险的社区，研究人员利用这一新增的跨境背景信息，将模型对MMR疫苗接种覆盖率变异的解释比例从16%提升至22%（提升36%），并将470万边境居民的覆盖率估计值精炼了至少3个百分点，揭示出仅使用美国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）在美国每年夺去超过916,000人的生命。然而，来自国家生命统计系统（NVSS）的未经抑制的官方县级死亡率数据通常滞后1–2年，而美国社区调查（ACS）的协变量反映的是最多2–3年前的情况。PDFM在更多地方可用，且滞后要小得多，从而能够提升我们对疾病建模的能力。

我们在纽约大学格罗斯曼医学院的合作伙伴测试了PDFM能否在估算约3,100个美国县当年CVD死亡人数时替代这些基于普查的输入数据。他们发现，PDFM与传统普查数据在临近预报上没有统计学显著差异，而PDFM的数据更新得多，且可用的地方也广泛得多：

• 与普查数据相当：使用PDFM的模型对2023年县级CVD死亡人数的预测准确度与使用ACS人口和社会经济数据的模型大致相当（临近预报时每县平均误差为18.7对19.1例死亡），同时将大县离群误差（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，且在数据收集后最多一年才发布。本研究使用的PDFM嵌入仅基于一个月的数据构建。PDFM还在17个国家可用，而ACS仅覆盖美国。

这些结果表明，PDFM能够使卫生部门利用当前情况来指导预防资源的配置，而不必等待多年的调查周期。

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疫情时，时间尤为关键。我们与牛津大学和蒙特雷理工学院的公共卫生研究人员合作，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年间约2,450个墨西哥市的登革热病例数。

该模型最大的性能提升出现在提前一个月的预测中，在多达72%的登革热活跃传播市中提高了预测准确度，总误差减少量是误差增加量的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方，尤其是考虑到短期预测已被证明的实用性。

检验临床筛查中的地理边界

针对产后抑郁症（PPD）等孕产妇心理健康状况的筛查通常依赖临床接诊信息，而这些信息很少能反映塑造母亲风险和就医可及性的更广泛社区条件。为检验地理空间基础模型能否帮助弥合这一差距，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 能捕捉社区层面的社会经济状况（R2=0.45）之外，加入这些嵌入还持续、具有统计学显著性地提升了对哪些母亲处于风险的预测（已见州 AUC +0.0020；未见州 +0.0038）。关键在于，这一信号在模型训练期间从未见过的州依然成立——它作为补充性的本地背景信息，在无法获得母亲本人收入和保险记录时，可恢复约 15% 的预测信号。

这种可迁移的背景信息在新州如何分配筛查资源方面带来了最大差异。在模拟中，当卫生系统可以跟进风险最高的 20% 母亲时，加入 PDFM 帮助每年多覆盖 5,640 名患有产后抑郁症的农村母亲。反之，在旨在发现全部病例 80% 的系统中，PDFM 每年减少了 17,723 次误报——这表明地理空间嵌入如何帮助卫生系统要么扩大农村外展，要么提高跟进效率。

延长前瞻性霍乱出现预警的提前期

对霍乱等水源性流行病进行早期预警，对于预先部署口服霍乱疫苗和清洁水源至关重要。幸运的是，疫情暴发很罕见：在任意一周，全国 403 个卫生区中开始出现疫情的比例不到 1/100。不幸的是，正是这种罕见性使其难以预测。

为应对世界卫生组织非洲区域办事处利用刚果民主共和国综合疾病监测与应对（IDSR）报告的国家监测数据所定义的一个用例，我们测试了 PDFM 的轻量级、低资源版本（针对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。

收益取决于我们向前看多远。提前一到两周时，近期病例数说明了大部分情况，PDFM 并未显著提高准确性。提前四到八周时，仍有时间调运物资，它帮助产生了：

• 更精准的候选名单：响应团队依据高风险地区的候选名单开展工作，因此我们每周检查模型排名前五的预测中有多少个随后发生了疫情。提前八周时，PDFM 将这一数字从每周 1.78 个正确预测提高到 2.10 个，提升了 18%。
• 在霍乱流行地区收益更大：在至少一半周数报告过霍乱的 15 个地区，八周候选名单的 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，但基础模型嵌入能捕捉潜在的环境、连通性和人口决定因素，补充历史数据，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，转向在行星尺度上主动且具有时间敏感性的健康智能。当前的局限（例如静态快照）正推动着针对时间动态嵌入和面向连接不足地区的地理迁移学习的积极研究。

通过将行星尺度的上下文数据整合到现有的公共卫生工作流程中，我们可以帮助采取措施，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 嵌入已在预览版中商业提供，名为人口动态洞察，这是来自 Google Maps Platform 的地理空间嵌入数据集。学术界和公共卫生研究人员还可以申请免费访问权限，用于选定的非运营性研究用例。