Решения в области общественного здравоохранения зависят от своевременных и детализированных данных, но обычный надзор затруднен задержками отчетности, разрозненностью данных и их нехваткой. Традиционное моделирование также требует обширного сбора данных, специфичных для задачи. Чтобы решить эту проблему, мы вводим парадигму, использующую планетарные геопространственные фундаментальные модели. Используя Фундаментальную модель динамики населения (PDFM) от Google Earth AI в качестве доказательства концепции, мы интегрируем самоконтролируемые представления «места» в существующие рабочие процессы здравоохранения как готовые входные данные, улучшая модели без новых конвейеров. PDFM сжимает конфиденциальные поисковые тренды, мобильность людей, плотность застроенной среды и экологические детерминанты в вложения местоположений. Без тонкой настройки эти вложения соответствовали или превосходили обычные входные данные в различных областях заболеваний и задачах.
PDFM использует самоконтролируемое обучение для синтеза сигналов, таких как агрегированные поисковые тренды, данные о застроенной среде и мобильности, а также экологические детерминанты, в ежемесячно обновляемые вложения. Вместо обработки сырых данных, вложения PDFM подключаются к рабочим процессам машинного обучения для геопространственного контекста. Предыдущие работы показали, что эти вложения не зависят от задачи, отражая социальные, поведенческие и экологические детерминанты здоровья. Чтобы соответствовать более высоким стандартам доказательности, мы проверили PDFM на пяти проблемах общественного здравоохранения с глобальными партнерами.
Проверка включала экстраполяцию вакцинации MMR через границу США и Канады, достигнув относительного прироста +36% в объясненной дисперсии. Для прогнозирования смертности от сердечно-сосудистых заболеваний на сопредельных территориях США (3 091 округ) PDFM показал точность, сопоставимую с моделями на основе переписи. Эти результаты демонстрируют ценность PDFM для разнообразных эпидемиологических задач и ресурсных условий.
Источник: Google AI Blog · Сводку подготовил HeadlinesBriefing