Google Earth AI 人群动态基础模型用于公共卫生的五项合作案例

用途与思路

根据 Google Research 官方博客（2026 年 10 月 6 日），Google Earth AI 下的人群动态基础模型（PDFM）使用自监督学习，把隐私保护处理后的聚合搜索趋势、建成环境与人类移动性、环境决定因素（高分辨率天气与空气质量指标）合成为紧凑的位置嵌入，按月更新。这些嵌入无需针对任务微调，可直接接入流行病学研究者已有的统计与机器学习模型，用于缓解报告滞后、数据稀疏和国界分割带来的问题。

五项合作验证结果（来自来源，未独立复核）

• MMR 疫苗：与美国—加拿大边境 146 个县合作，加入加拿大一侧嵌入后，解释方差由 0.159 提升至 0.216（相对增益 36%）。
• 心血管疾病：在约 3,100 个美国县做死亡数临近估计，与人口普查变量模型精度无统计显著差异，平均误差 18.7 对 19.1，RMSE 46.0 对 57.7；作者称嵌入更新更及时、覆盖 17 个国家。
• 登革热：与 TimesFM 2.0 结合，在墨西哥约 2,450 个市镇做一个月概率预测，加权区间分数变化为 -0.0051，最多 72% 的活跃传播市镇精度改善。
• 产后抑郁：CDC PRAMS 332,970 名受访者中，AUC 在已见州增加 0.0020、未见州增加 0.0038，嵌入对区域贫困的 R² 为 0.45。
• 霍乱：刚果（金）403 个卫生区，4 周 PR-AUC 相对提升 9.7%，8 周 Precision@5 提升 18.1%。

适用场景

公共卫生部门在普查数据过时或缺失、跨境流动影响疾病传播、需要提前数周布置资源时，可用位置嵌入补充现有模型输入。

限制与待核实

上述数字均为合作方评估结果，博客未给出完整方法细节与数据划分；文中明确当前嵌入是静态快照，时间动态嵌入与地理迁移学习仍在研究中。PDFM 嵌入以 Population Dynamics Insights 形式处于 Preview，学术与公共卫生研究可申请免费访问，具体条款和可用范围需另行核实。登革热等结果依赖与 TimesFM 2.0 的联合使用，不应视为单一模型能力。