Google, araştırmacıların ve sağlık kuruluşlarının risk odaklarını tespit etmelerine ve hastalık eğilimlerini geniş çaplı krizlere dönüşmeden önce öngörmelerine yardımcı olmak amacıyla Google Earth AI ekosistemi üzerinden yapay zekâ ve uydu görüntülerinin halk sağlığında kullanımını genişletiyor. Girişim, yerel sağlık verilerinin çevresel sinyaller, uzay görüntüleri, hareket verileri ve coğrafi temel modellerle birleştirilmesine dayanıyor.
Google, bu araçların sağlık müdahalesinde tekrarlanan iki sorunu ele aldığını söylüyor: raporların gecikmesi ve geleneksel coğrafi verilerin kapsamadığı bölgelerin bulunması. Ekipler, salgın başladıktan sonra bilgilerin tamamlanmasını beklemek yerine, en fazla risk altındaki toplulukları belirlemek ve hastalığın olası güzergâhlarını tahmin etmek için öngörü modellerini kullanabiliyor.
Ebola salgını sırasında araçların test edilmesi
Demokratik Kongo Cumhuriyeti’ndeki Ebola salgını sırasında Google, Dünya Sağlık Örgütü’nün Afrika Bölge Ofisi ve ülkedeki Ulusal Biyomedikal Araştırma Enstitüsü’nün Modelleme ve Salgın İstihbaratı Birimi ile iş birliği yaptı. Ortaklar, iki ilk araştırma modelini kullandı: doğal dil üzerinden mekânsal haritalama işlemlerinin yapılmasını sağlayan Coğrafi Çıkarım Aracısı ve gezegensel hastalık tahmin motoru.
Dünya Sağlık Örgütü ekibi, maruz kalma riskleriyle yüksek insan hareketliliğini bir araya getiren uzak madencilik koridorlarını belirlemek için aracıyı kullandı. Google’a göre ekip, dakikalar içinde risk altındaki 48 yerleşim yerini ve 45.500’den fazla kişiyi belirledi; bu işlem manuel yöntemlerle haftalar sürebilirdi. Bulgular, mobil laboratuvarların konuşlandırılmasının planlanmasına ve sınır gözetiminin koordinasyonuna yardımcı oldu.
Google ayrıca Kongolu birimle birlikte, hareket akışlarına, geçmiş vaka eğilimlerine ve Earth AI verilerine dayanarak, Ebola’nın vaka kaydedilmemiş bölgelere yayılma olasılığını tahmin eden haftalık modeller geliştirdi. Şirkete göre bu tahminler, vakalar yeni bölgelere ulaşmadan önce planlama için ek zaman sağlıyor.
Akut salgınlardan daha kapsamlı sağlık tahminlerine
Uygulamalar bulaşıcı hastalıklarla sınırlı değil. Population Dynamics Foundation Model veya PDFM, toplulaştırılmış arama eğilimlerini, hareket kalıplarını ve çevreyi bir araya getirerek toplulukların yüksek çözünürlüklü ve sürekli değişen bir görünümünü oluşturuyor. NYU Langone Health’teki araştırmacılar, aynı yıl içindeki kardiyovasküler hastalık ölümlerini tahmin etmek için bu sinyalleri kullandı; bazı durumlarda geleneksel yöntemlere benzer veya onlardan daha iyi performans elde edildi.
Diğer araştırmalarda, Amerika Birleşik Devletleri ile Kanada arasındaki sınırın iki tarafındaki davranış kalıpları, ABD ilçelerinde kızamık, kabakulak ve kızamıkçığa karşı aşılama oranlarına ilişkin tahminlerin iyileştirilmesine yardımcı oldu. PDFM’nin yerel iklim modelleriyle birleştirilmesi Meksika’daki dang humması salgını tahminlerini iyileştirirken, epidemiyolojik kayıtların PDFM ile birleştirilmesi Demokratik Kongo Cumhuriyeti’nde koleraya maruz kalma riski bulunan bölgelerin, sekiz haftaya kadar önceden belirlenmesine yardımcı oldu.
Pratikte ne değişiyor?
Pratik değer, dağınık coğrafi ve nüfus verilerini önceliklendirmede kullanılabilecek sinyallere dönüştürmekte yatıyor: mobil ekipler nereye gönderilecek, hangi bölgelerde sınır gözetimi gerekiyor ve sivrisinek larvalarıyla mücadele gibi erken koruyucu müdahaleler nerede uygulanabilir? Ancak araçlar yerel verilere veya sağlık uzmanlığına duyulan ihtiyacı ortadan kaldırmıyor; bunlar, mevcut sürveyans sistemlerini tamamlaması gereken araştırma ve öngörü modelleri, saha doğrulamasının ve tıbbi kararların yerini almamalı.
Google şu anda ticari olarak entegre edilmiş PDFM verilerini Google Maps Platform içinde Population Dynamics Insights adıyla önizleme aşamasında sunuyor; araştırmacılar da belirli kullanımlar için ücretsiz erişim talep edebiliyor. Uygun kuruluşlar, Google Maps Platform’un kamu programları aracılığıyla Google Earth kredileri için başvurabiliyor. Şirket ayrıca Google.org’un yerel testlerin ve hastalık sürveyansının güncellenmesine yardımcı olmak üzere Kongo Ulusal Enstitüsü’ne finansman sağladığını belirtti.