公共卫生部门想知道疫苗接种率哪里偏低，常会遇到一个朴素难题：统计数据来得慢，还常被行政边界切开。Google Research 展示了一种补充办法——让 AI 先读懂一个地点的人口与环境变化，再把这种“地点指纹”交给现有的流行病学模型使用。
核心工具是 Google Earth AI 的人口动态基础模型 PDFM。它把经过隐私保护的搜索趋势、人口流动、建成环境密度和环境因素，压缩成每月更新的位置向量，也就是便于机器处理的一组数字特征。研究者不用为每种疾病重新整理全部原始数据，也无需针对具体任务微调 PDFM，便可将这些特征接入原有统计或机器学习流程。
Google 介绍了由合作伙伴开展的五个公共卫生案例。一个具体例子是美加边境：在距加拿大边境 150 公里内的 146 个美国县，仅使用美国数据的模型往往难以预测当地疫苗接种情况；加入加拿大相邻区域的位置特征后，模型可以纳入跨境行为与人口流动的影响。材料未披露具体提升幅度。它说明遥感与地理 AI 正从“看地图上有什么”，走向辅助疾病监测和资源配置，但模型输出仍不等同于临床诊断或官方统计。