Google Earth AI erweitert seine Fähigkeiten zur planetaren Intelligenz und unterstützt maßgeblich die globale öffentliche Gesundheit. Durch die Kombination von Satellitendaten, künstlicher Intelligenz und lokalen Gesundheitsinformationen ermöglichen diese Technologien präzisere Interventionen und ein proaktiveres Management von Gesundheitskrisen. In Malawi hat der Google.org-Grant-Empfänger Cooper/Smith die Datenanalyse-Modelle PDFM und AlphaEarth genutzt, um die Inanspruchnahme von Gesundheitsdiensten in lokalen Kliniken vorherzusagen. Dies hilft Entscheidungsträgern dabei, frühe Warnsignale für Krankheitsausbrüche zu erkennen und knappe Ressourcen effizienter zuzuteilen. Ähnlich erfolgreich wurde das PDFM-Modell von Forschern des Mount Sinai und des Boston Children's Hospital/Harvard eingesetzt, um Impflücken zu schließen. Dabei wurden Superauflösungs-Schätzungen zur Impfabdeckung erstellt, die auf datenschutzkonformen, aggregierten Daten basieren. Die Ergebnisse ermöglichen es, Impfquoten bis auf ZIP-Code-Ebene zu kartieren, ohne sensible Persönlichkeitsdaten preiszugeben, und so lokalisierte Cluster von Unterimpfungen zu identifizieren, die mit jüngsten Masernausbrüchen korrelieren. Wetter und Geografie spielen bei der Ausbreitung vieler Krankheiten eine entscheidende Rolle. Spezifische Wetterphänomene können als Frühwarnindikatoren dienen; Sommerregen können beispielsweise Dengue-Fieber-Ausbrüche verstärken, während Überschwemmungen Cholera begünstigen. Die Verknüpfung von Bevölkerungsdaten mit prädiktiven Wettermodellen verbessert die Vorhersage von Gesundheitsnotfällen um Wochen oder Monate im Voraus. In Zusammenarbeit mit dem WHO-Regionalbüro für Afrika wurde ein solches subnationales Modell zur Vorhersage von Cholerafällen evaluiert. Durch die Kombination von Googles Zeitreihenmodell TimesFM mit PDFM und Wetterdaten konnte die Prognosegenauigkeit gegenüber herkömmlichen Modellen um über 35 Prozent gesteigert werden. Bessere Vorhersagen befähigen Gesundheitsbehörden, proaktiv zu planen, etwa durch das rechtzeitige Verlegen von lebenswichtigen Rehydrationsmitteln in betroffene Regionen. Auch bei der Vorhersage von Dengue-Fieber in Brasilien erzielten Forscher der Universität Oxford signifikante Verbesserungen. Die Integration von PDFM-Einbettungen erhöhte die Vorhersagegenauigkeit für einen Zeitraum von sechs Monaten erheblich und verschaffte lokalen Behörden mehr Zeit für präventive Maßnahmen. Neben Infektionskrankheiten leistet Google Earth AI auch entscheidende Beiträge zum Verständnis von nicht übertragbaren chronischen Erkrankungen. In Australien wurde gemeinsam mit dem Victor Chang Cardiac Research Institute, Wesfarmers Health und Latrobe Health Services das System Population Health AI (PHAI) eingeführt. Als Proof-of-Concept für ausgewählte Partner nutzt PHAI PDFM-Einbettungen sowie weitere Datensätze wie Luftqualität, Pollen und Insights zu Orten. Ziel ist es, Gesundheitsbedürfnisse von Gemeinden in ländlichen Regionen aufzudecken und präventive Maßnahmen bei chronischen Krankheiten zu unterstützen. Die Technologie entfaltet ihre größte Wirkung, wenn sie zu konkreten weltweiten Maßnahmen führt. Durch die Fusion der planetaren Intelligenz von Google Earth AI mit der tiefgreifenden gesundheitlichen Expertise der Partnerunternehmen nähert sich die Welt einem zukünftigen Szenario, in dem Gesundheitssysteme überall über datengestützte Erkenntnisse verfügen, die notwendig sind, um die öffentliche Gesundheit zu schützen und zu verbessern.