La plataforma combina modelos de dinámica poblacional, datos climáticos e imágenes satelitales para mejorar la detección de dengue, cólera, sarampión y enfermedades crónicas en países de todo el mundo.
Google presentó un panorama de las aplicaciones de su plataforma Google Earth AI en el campo de la salud pública global, detallando cómo la combinación de modelos geoespaciales, datos climáticos y dinámicas poblacionales está permitiendo a investigadores, gobiernos y organizaciones de salud anticipar brotes de enfermedades, identificar vulnerabilidades locales y orientar intervenciones preventivas de manera más precisa y oportuna.
El eje tecnológico de estas aplicaciones es el Modelo Fundacional de Dinámica Poblacional (PDFM, en inglés) y la herramienta Mobility AI, desarrollados a partir de décadas de investigación sobre el modelado del mundo físico. Estas plataformas integran factores ambientales como el clima, la calidad del aire y las inundaciones con datos de movilidad y comportamiento poblacional, generando lo que Google denomina “inteligencia planetaria”: una visión contextualizada de cómo las poblaciones interactúan con su entorno y cómo esas interacciones pueden derivar en riesgos sanitarios.
Una de las aplicaciones más concretas se desarrolló en colaboración con la Oficina Regional de la Organización Mundial de la Salud para África, donde se evaluó un modelo de pronóstico subnacional para casos de cólera utilizando datos del sistema integrado de vigilancia epidemiológica de la organización. Al combinar el modelo de series de tiempo TimesFM de Google con el PDFM y datos climáticos, se logró mejorar la precisión del pronóstico de casos de cólera en más del 35% respecto a los modelos estándar. Una predicción más precisa permite a los funcionarios de salud planificar con anticipación, por ejemplo, reubicando suministros de rehidratación oral hacia las zonas que los necesitarán antes de que el brote ocurra.
En Brasil, investigadores de la Universidad de Oxford utilizaron los modelos y datos de Earth AI para mejorar el pronóstico del dengue, una enfermedad cuya incidencia está estrechamente vinculada a los patrones de lluvias y temperatura. La incorporación de los datos del PDFM elevó significativamente la precisión de los pronósticos a seis meses, ampliando la ventana de tiempo disponible para que las autoridades locales implementen medidas preventivas.
En el campo de la vacunación, investigadores del Mount Sinai y del Boston Children’s Hospital de Harvard utilizaron el PDFM para generar estimaciones de cobertura de vacunación contra el sarampión a nivel de código postal, a partir de datos agregados y protegidos por privacidad. Este nivel de resolución permitió identificar grupos geográficos con tasas de vacunación insuficientes que coinciden con brotes recientes, información que puede orientar campañas de alcance comunitario más focalizadas y eficientes.
En Malawi, la organización Cooper/Smith, con apoyo de Google.org, combinó el PDFM con imágenes satelitales de AlphaEarth para predecir la utilización de servicios en clínicas locales. Este modelo ayuda a los tomadores de decisiones a detectar señales tempranas de brotes y distribuir recursos limitados de manera más eficiente en contextos de alta restricción presupuestaria.
Finalmente, en Australia, Google se asoció con el Victor Chang Cardiac Research Institute, Wesfarmers Health y Latrobe Health Services para desplegar Population Health AI (PHAI), una herramienta que utiliza el PDFM junto con datos de calidad del aire, polen y características del entorno para identificar las necesidades de salud de comunidades rurales, con énfasis en la prevención de enfermedades crónicas. Esta iniciativa se encuentra actualmente disponible como prueba de concepto para socios seleccionados.
De esta manera, la capacidad de integrar información ambiental, poblacional y clínica a escala local y global abre posibilidades para que los sistemas de salud, especialmente en países con recursos limitados, actúen antes de que los brotes se consoliden. Uno de los principales desafíos para su éxito es garantizar que estas herramientas lleguen y sean accesibles para los equipos de salud pública que más las necesitan.
