Google Earth AI在刚果（金）埃博拉疫情中试用地学推理代理，数分钟定位4.55万高风险人群
Google研究团队与WHO非洲区域办公室、刚果（金）国家生物医学研究所合作，用地理空间推理代理和流行病预测引擎在活跃疫情期间做实地验证，官方博客称原本需要数周的工作缩短到几分钟。
AI解读：Google官方博客称，其研究原型在刚果（金）埃博拉疫情期间被WHO非洲区域办公室和刚果（金）国家生物医学研究所的UMIE用于实战验证；这些说法来自Google与合作伙伴，并非独立第三方评估。
最具体的数字来自WHO AFRO团队使用地理空间推理代理映射偏远矿区走廊：数分钟内锁定 48 个暴露定居点、超过 45,500 名高风险人员，Google称同样工作通常需要数周。
其他预测结果均为研究性质：与UMIE合作的埃博拉扩散风险模型按周输出；牛津大学和蒙特雷理工用人口动态基础模型结合本地气候模型预测墨西哥登革热；NYU Langone Health用它预测同年心血管死亡率；西奈山和波士顿儿童医院用它观察美加边境疫苗接种率；与WHO AFRO在刚果（金）的霍乱评估中提前最多八周识别高风险卫生区。
PDFM嵌入已以Population Dynamics Insights形式在Google Maps Platform上预览版商用，研究人员可申请特定用途的免费访问，符合条件的机构可通过GMP Public Programs申请Google Earth额度；Google.org向INRB提供了资金用于本地检测和疾病监测现代化。
Google官方博客 10 月 6 日发布文章，介绍将Google Earth AI用于公共卫生预测的工作，作者为Google Research杰出软件工程师Shravya Shetty和Google Health临床专家Monica Bharel。
文章称，Google与全球卫生合作伙伴联合发表的新研究论文展示了Earth AI如何用自主预测和人口动态数据，弥补不同地区、不同疾病和公共卫生领域的缺口。
技术组合包括环境信号、卫星图像、移动数据和基础模型（如AlphaEarth Foundations和人口动态基础模型PDFM），再搭配一个地理空间推理代理原型。
在刚果（金）的埃博拉疫情期间，WHO非洲区域办公室位于达喀尔的应急准备与响应中心，以及刚果（金）国家生物医学研究所的流行病情报与建模部门（UMIE）获得了两个研究原型的访问权限：用于对话式空间制图的地理空间推理代理，以及用于自主疾病预测的行星预测引擎。
埃博拉疫情期间的原型验证
Google称，合作伙伴在活跃疫情期间把两个研究原型投入实际工作。WHO AFRO团队用地理空间推理代理原型绘制了暴露风险高、人员流动大的偏远矿区走廊。
Google说，团队在几分钟内确定了 48 个暴露定居点，并定位了超过 45,500 名高风险人员；这一过程通常需要数周。地方响应人员据此提前部署移动实验室并协调边境监测。
与UMIE合作方面，Google表示双方建立了预测模型，用移动流、历史病例趋势以及Earth AI模型和数据集，估计埃博拉向未感染区域扩散的风险，并按周提供信息，为协调人员争取规划时间。
其他疾病预测研究的进展与边界
Google称，把Earth AI与公共卫生数据结合，可以比人工分析更准确地预测更广泛的社区健康趋势。文章列出若干合作研究的具体方向和结果。
NYU Langone Health研究人员将实时人口信号整合进慢性病模型，预测同年心血管死亡率，Google称其表现与传统方法相近，部分情况下更好。
西奈山医疗系统和波士顿儿童医院的研究人员纳入美加边境两侧的人类行为模式，以更准确观察美国各县的疫苗接种率。
牛津大学和蒙特雷理工学院将PDFM与本地气候模型结合，更准确地预测墨西哥登革热疫情暴发。
在刚果（金）与WHO AFRO的霍乱评估中，将流行病学记录与PDFM结合，把识别易暴发卫生区的可预测性提高，提前最多八周。
工具可用范围与支持方式
Google表示，PDFM嵌入已以Population Dynamics Insights的形式在Google Maps Platform上以预览版商用，这是一个地理空间嵌入数据集。研究人员可以申请特定用例的免费访问权限。
符合条件的组织可通过GMP Public Programs申请Google Earth额度。Google.org还向刚果（金）国家生物医学研究所提供了资金，用于本地检测和疾病监测的现代化。