Google étend l’utilisation de l’intelligence artificielle et des images satellitaires dans la santé publique grâce à l’écosystème Google Earth AI, afin d’aider les chercheurs et les autorités sanitaires à détecter les foyers à risque et à prévoir l’évolution des maladies avant qu’elles ne se transforment en crises de grande ampleur. L’initiative repose sur l’intégration de données sanitaires locales, de signaux environnementaux, d’images spatiales, de données de mobilité et de modèles géographiques fondamentaux.
Google affirme que ces outils répondent à deux problèmes récurrents de la riposte sanitaire : le retard des rapports et l’existence de zones qui ne sont pas couvertes par les données géographiques traditionnelles. Plutôt que d’attendre que les informations soient complètes après le début d’une flambée, les équipes peuvent utiliser des modèles prédictifs pour identifier les communautés les plus exposées et estimer les trajectoires possibles de la maladie.
Tester les outils pendant la flambée d’Ebola
Lors de la flambée d’Ebola en République démocratique du Congo, Google a collaboré avec le bureau régional de l’Organisation mondiale de la santé pour l’Afrique et l’unité de modélisation et de renseignement épidémiologique de l’Institut national de recherche biomédicale du pays. Les partenaires ont utilisé deux premiers modèles de recherche : l’agent de raisonnement géospatial, qui permet d’effectuer des opérations de cartographie spatiale par l’intermédiaire d’une conversation en langage naturel, et un moteur de prévision planétaire des maladies.
L’équipe de l’Organisation mondiale de la santé a utilisé l’agent pour identifier des corridors miniers éloignés combinant des risques d’exposition et une forte mobilité humaine. Selon Google, l’équipe a identifié en quelques minutes 48 implantations à risque et plus de 45 500 personnes, une opération qui aurait pris des semaines avec des méthodes manuelles. Les résultats ont contribué à planifier le déploiement de laboratoires mobiles et à coordonner la surveillance aux frontières.
Google a également développé avec l’unité congolaise des modèles hebdomadaires destinés à estimer la probabilité de transmission d’Ebola vers des zones où aucun cas n’avait été enregistré, en s’appuyant sur les flux de mobilité, les tendances historiques des cas et les données d’Earth AI. Selon l’entreprise, ces estimations offrent un délai supplémentaire pour planifier avant l’arrivée de cas dans de nouvelles zones.
Des flambées aiguës à la prévision sanitaire à plus grande échelle
Les applications ne se limitent pas aux maladies infectieuses. Le Population Dynamics Foundation Model, ou PDFM, combine les tendances agrégées des recherches, les schémas de mobilité et l’environnement afin de produire une image très détaillée et évolutive des communautés. Des chercheurs de NYU Langone Health ont utilisé ces signaux pour estimer les décès dus aux maladies cardiovasculaires au cours de la même année, avec des performances comparables ou supérieures, dans certains cas, à celles des méthodes traditionnelles.
Dans d’autres travaux, les schémas comportementaux des deux côtés de la frontière entre les États-Unis et le Canada ont contribué à améliorer les estimations des taux de vaccination contre la rougeole, les oreillons et la rubéole dans des comtés américains. De même, la combinaison du PDFM et de modèles climatiques locaux a amélioré les prévisions des flambées de dengue au Mexique, tandis que l’intégration des dossiers épidémiologiques au PDFM a renforcé la capacité à identifier les zones exposées au choléra en République démocratique du Congo jusqu’à huit semaines à l’avance.
Qu’est-ce qui change concrètement ?
La valeur pratique réside dans la transformation de données géographiques et démographiques dispersées en signaux exploitables pour établir les priorités : où envoyer les équipes mobiles, quelles zones nécessitent une surveillance aux frontières et où mettre en œuvre des interventions préventives précoces, comme la lutte contre les larves de moustiques. Toutefois, ces outils ne suppriment pas le besoin de données locales ni d’expertise sanitaire ; il s’agit de modèles de recherche et de prévision qui doivent compléter les systèmes de surveillance existants, et non remplacer la vérification sur le terrain et les décisions médicales.
Google propose actuellement les données PDFM intégrées commercialement en phase de prévisualisation sous le nom de Population Dynamics Insights au sein de Google Maps Platform. Les chercheurs peuvent également demander un accès gratuit pour des usages spécifiques. Les institutions éligibles peuvent déposer une demande de crédits Google Earth dans le cadre des programmes publics de Google Maps Platform. L’entreprise a également indiqué que Google.org avait fourni un financement à l’Institut national congolais afin de contribuer à la modernisation des tests locaux et de la surveillance des maladies.