Google Earth AI fusionne les signaux de santé publique

Google Earth AI a présenté le Population Dynamics Foundation Model, ou PDFM, pour améliorer les workflows de santé publique. Le modèle rassemble plusieurs sources dans des représentations géographiques de lieux. Ces sources comprennent les tendances de recherche, la mobilité humaine, la densité de l’environnement bâti et des déterminants environnementaux. Google Earth AI a évalué ces représentations sur cinq défis de santé publique. Les résultats montrent une efficacité dans plusieurs tâches épidémiologiques. L’approche vise donc à intégrer différents signaux territoriaux dans un même modèle. Les évaluations portent notamment sur la vaccination, les maladies cardiovasculaires, la dengue, la dépression post-partum et le choléra. Lire l’article de Google Research

Cinq défis sanitaires ont servi à évaluer les représentations du PDFM. L’étude sur la vaccination contre la rougeole, les oreillons et la rubéole a mesuré un gain relatif de 36 % dans la variance expliquée. Ce gain provenait de la prise en compte de la mobilité transfrontalière. Pour les maladies cardiovasculaires, le modèle a atteint une précision comparable à celle de modèles fondés sur les recensements. L’erreur absolue moyenne s’élevait à 18,7 décès par comté. Ces deux résultats couvrent des usages différents. Le premier concerne une couverture vaccinale influencée par les déplacements. Le second concerne une estimation territoriale de mortalité. Consulter l’article scientifique

PDFM améliore plusieurs prédictions sanitaires

Les résultats épidémiologiques concernent aussi la surveillance d’épidémies et l’évaluation de risques individuels. La prévision des flambées de dengue a amélioré sa précision dans 72 % des municipalités où la transmission était active. Cette mesure porte donc sur les municipalités concernées par une transmission en cours. La prédiction du risque de dépression post-partum a affiché un gain transférable. Celui-ci a augmenté l’aire sous la courbe ROC, ou AUC, de 0,0020. Ces résultats montrent des performances mesurées sur des tâches distinctes. Ils associent une prévision d’épidémie à une prédiction de risque. Le PDFM fournit ainsi des représentations évaluées sur plusieurs problèmes sanitaires.

Le choléra constitue le cinquième cas étudié par Google Earth AI. La prédiction de l’émergence de cette maladie a obtenu un gain relatif de 9,7 % sur l’aire sous la courbe précision-rappel, à quatre semaines. Cette échéance fixe permet d’évaluer la capacité de prévision avant l’apparition attendue d’un événement. Le résultat complète les mesures obtenues sur la dengue, la vaccination, les maladies cardiovasculaires et la dépression post-partum. Chaque cas utilise les représentations issues du PDFM pour une tâche épidémiologique spécifique. Les chiffres publiés décrivent donc cinq évaluations séparées, avec des métriques adaptées à chaque problème de santé publique. Voir la présentation Earth AI

Google Earth AI croise plusieurs signaux territoriaux

Les représentations géographiques du PDFM combinent quatre familles de données explicitement citées. Les tendances de recherche apportent un signal issu des comportements de recherche. La mobilité humaine décrit les déplacements entre lieux. La densité de l’environnement bâti caractérise la structure des espaces construits. Les déterminants environnementaux ajoutent des variables liées au milieu. Ces informations sont intégrées dans des représentations de lieux, ensuite évaluées sur cinq défis sanitaires. Les études rapportent un gain relatif de 36 % pour la variance expliquée de la vaccination, 9,7 % pour la précision-rappel du choléra et 0,0020 d’AUC pour la dépression post-partum. Le modèle intervient donc comme une base commune pour plusieurs tâches.