Google Researchは10月6日(現地時間)、Google Earth AIが開発した「Population Dynamics Foundation Model (PDFM)」（人口動態基盤モデル）が、公衆衛生分野におけるデータギャップと報告遅延を解消し、パンデミックへの迅速な対応に貢献する可能性を発表した。このモデルは、従来の疫学的監視が直面していた複数年にわたる報告遅延やデータサイロ化といった課題を克服するため、惑星規模の地理空間基盤モデルの概念を具現化。5つのパートナー主導による詳細なケーススタディを通じて、その有効性が実証された。
従来の疫学的監視は、報告の複数年にわたる遅延、地政学的境界によるデータのサイロ化、データの疎らさといった限界に直面してきた。また、従来のモデルはタスク固有の広範なデータ収集とカスタムデータエンジニアリングパイプラインを必要とし、迅速なアウトブレイク対応や資源が限られた環境での展開が困難であった。Google Earth AIの一部であるPDFMは、自己教師あり学習により「場所」の事前学習済み表現を生成し、既存の健康科学および疫学的ワークフローにプラグアンドプレイの入力として直接統合することで、これらの問題に対処する。
PDFMは、衛星画像、気象、匿名化された検索トレンド、人間の移動データ、構築環境の密度、および環境決定要因などの多様なプライバシー保護信号をコンパクトで多用途な埋め込みに合成する。これらの埋め込みは、月次で更新される「場所の指紋」として機能し、研究者が生のデータストリームを自ら収集・処理することなく、既存の機械学習ワークフローに地理空間コンテキストを提供できる。タスク固有のファインチューニングを必要とせず、幅広い疾患領域、地理的設定、および疫学的タスクにおいて従来の入力と同等かそれ以上の性能を示した。
検証は、以下を含む5つの公衆衛生課題における独立した評価を通じて行われた。
- MMRワクチン接種 (Mount Sinai Health System、Boston Children’s Hospital): 米国とカナダの国境に位置する146郡において、クロスボーダーの行動・移動の影響を捉えることで、モデルの説明分散を36%向上させた。
- 心血管疾患 (Department of Population Health, NYU Grossman School of Medicine): 米国の3,091郡における現在の心血管疾患死亡数を推定する上で、PDFMは国勢調査ベースのモデルと同等の精度を示し、より新しいデータを提供できることが確認された。
- デング熱アウトブレイク (University of Oxford、Tecnológico de Monterrey): メキシコの約2,450自治体における1ヶ月先の短期確率予測で、統計的に有意な予測精度向上を達成し、活動中の伝染ホットスポットで集中して精度が向上した。
- 産後うつ病 (Institute on Human Development and Disability, University of Washington): 米国の332,970人の回答者を対象とした個人のリスク予測において、リスク予測の転移可能なゲインを達成した。
- コレラ発生 (University of Oxford, Epicentre, and Stanford University): コンゴ民主共和国の403保健区域におけるアウトブレイク発生予測で、4週間先のArea Under the Precision-Recall Curveで9.7%増、8週間先のPrecision@5で18.1%増の統計的有意な相対的ゲインを示した。
参考: Google Research Blog — 2026年10月7日 00:05 (JST)
原文ハイライト"Unlocking Earth AI’s planetary geospatial foundation models for global public health"