与Google Earth AI一起使全球公共卫生更加积极主动
原题:Making global public health more proactive with Google Earth AI
内容导读
谷歌正在帮助卫生领袖克服报告滞后,预测疾病爆发,并为弱势社区提供护理.

全文阅读
来源:Google即会翻译
与Google Earth AI一起使全球公共卫生更加积极主动
2026年10月06日 (中文(简体) ).
|我们正在帮助公共卫生领导人克服报告滞后,预测疾病爆发,并通过将当地卫生数据与先进的地理空间模型相结合,为世界各地的弱势社区提供护理.
诗丽雅·谢蒂
杰出软件工程师,谷歌研究
莫妮卡·巴拉尔
谷歌卫生临床专家

您的浏览器不支持音频元素 。
Google正在利用人工智能和卫星图像来帮助公共卫生官员预测并预防疾病爆发.这些工具使各小组能够比传统的人工方法更快地绘制风险人群的地图并预测健康趋势。如果你是一名研究员或保健专业人员,你可以要求免费获取这些数据,或者申请Google Earth信用来支持你的地方工作.
- "让全球公共卫生与Google Earth AI更加主动"探索出新的预测性健康工具.
- Google Earth AI帮助健康专家发现风险,并在风险扩散前防止爆发.
- AI工具帮助团队在几分钟内,而不是几周内找到上千名有风险的人.
- 研究人员利用这些模型来预测从心血管死亡到季节性疾病激增的一切.
- 你现在可以接触到这些强大的民众见解,以帮助保护你的当地社区。
Google正在利用AI和卫星图像帮助卫生专家更有效地跟踪疾病.这种技术不但没有等待疫情恶化,反而有助于官员发现风险,将资源转移到更快的地方。它已经帮助各小组在几分钟内发现偏远社区面临埃博拉病毒的风险。这个工具使得医生和研究人员更容易在健康危机开始前保护人们.
探索其它样式 :
一个社区的健康与其地理有着深刻的联系,其地理决定了气候模式、有形基础设施以及人们的生活和移动方式。但公共卫生小组经常处理地理盲点问题, 以及零散的数据和报告延误问题, 无论是在追踪迅速移动的病毒爆发, 还是预测心血管死亡。向卫生领导人提供先进的预测工具可以更好地保护风险社区,并有助于将应急反应从被动管理转向主动预防。
在与全球卫生伙伴共同撰写的新研究论文中,我们用自主预测和人口动态来展示谷歌地球AI如何弥合不同地理学、疾病和公共卫生领域之间的重大差距。
通过将环境信号同卫星图像、移动数据和基础模型——如阿尔法地基基金会和我们的人口动力学基金会模型——结合起来,并用地理空间理性原型剂来配对,我们帮助各社区发现人们与其环境之间的复杂联系。
这使研究人员和公共卫生官员能够补充现有的卫生信息,弥合报告差距并主动应对卫生挑战。
将代理能力带入前线
急性健康危机需要快速、直观的工具。为了验证地球AI在活跃的紧急情况下的力量,几个合作伙伴获得了两个研究原型:利用Google地球AI能力进行对话空间绘图的地理空间理性代理和自主疾病预报的行星预测引擎.通过平话交谈,公共卫生团队可以精简复杂的人工数据处理,及时获得洞察力和明确的决策支持.
在刚果民主共和国持续爆发埃博拉疫情期间,我们在世界卫生组织非洲区域办事处达喀尔应急准备和反应中心的伙伴以及刚果民主共和国国家生物医学研究所的流行病模型和情报股(UMIE)将这些原型投入工作。
- 隐蔽传播盲点:世卫组织AFRO团队使用我们的地缘地缘理性剂原型,绘制了暴露风险和人类流动性高的偏远采矿走廊.几分钟后,小组确定了48个暴露的住区,并确定了45 500多名处于危险中的人——这一过程通常需要几周时间。这使当地应急人员能够积极主动地部署流动实验室并协调边界监视。
- 模拟爆发轨迹:我们与UMIE合作,建立了预测模型,估计埃博拉扩散到未受感染地区的风险。通过将流动流动与历史案例趋势以及地球AI模型和数据集结合起来,这些每周的见识为协调员提供了关键的规划时间,然后才到达案件。
- 扩大健康预测:除了快速爆发外,我们的研究表明,地球AI的能力与公共卫生数据相结合,可以比人工分析更准确地预测更广泛的社区健康趋势。
使基础模式与当地的见解保持一致
PDFM将汇总的搜索趋势、流动性和环境模式结合起来,形成一个充满活力的高清晰度的社区。合作伙伴可以把这些见解直接纳入自己的系统。
- 推动及时的疾病预测(心血管疾病):纽约大学Langone Health的研究人员通过将实时人口信号纳入慢性病模型,预测同年心血管死亡率,其表现与常规方法相类似,有时也有所改善。这些见解产生得越快,可用于向弱势社区提供关键资源的速度就越快。
- 追踪跨境免疫(麻疹、腮腺炎和风疹):西奈山卫生系统和波士顿儿童医院的研究人员将美国-加拿大边境两侧的人类行为模式结合起来,以更准确地了解美国各州的疫苗接种率并发现传统公共卫生模式可能忽略的洞察力。
- 预测季节性激增(登革热):许多地方性疾病呈现出与环境和天气变化相联的季节性波动。将PDFM与局部气候模型相结合,使得牛津大学和蒙特雷大学的研究人员能够更准确地预测墨西哥各地的登革热爆发。这可以为尽早采取行动提供重要的准备时间,例如杀死蚊子幼虫。
- 预测由水传播的疾病热点(霍乱):在刚果民主共和国,霍乱评估与世卫组织非洲渔业研究组织相结合,在8周前将流行病学记录与PDFM相结合,提高了确定易发性健康区的可预测性。这有助于前线小组采取积极主动的措施。
支持全球获取服务
将行星智能带入公共卫生工作流程,首先是将这些工具带入研究人员和从业者手中.PDFM嵌入器在Preview中作为Population Dynamics Insights("人口动态透视")在商业上可供使用,这是一个地理空间嵌入自Google Maps平台的数据集.研究人员可以要求对特定用途案例进行无费用访问。
符合条件的组织可以通过我们的GMP公共程序申请Google地球信用.
为了进一步支持地方公共卫生基础设施,Google.org为INRB提供了资金来帮助实现当地检测和疾病监测的现代化.
通过将行星智能与当地的专业知识结合起来,我们与全球卫生领袖一起努力,建立主动、数据驱动的工具,更好地保护各地的社区。
您也可以订阅 。
原文及图片版权归原作者或相应权利人。文中观点是原作者的,与即会无关。