［ニュース解説］Google Earth AIが感染症予測や慢性疾患把握で公衆衛生を支援——世界各地の実装事例とは

2026-03-14

はじめに

　GoogleがGoogle Blogにて2026年3月13日に発表した内容によれば、Google Earth AIが持つ「惑星規模のインテリジェンス」を公衆衛生分野に活用する取り組みが、世界各地で本格化しています。本稿では、感染症予測から慢性疾患の把握まで、具体的なパートナーシップ事例を中心に解説します。

参考記事

タイトル: How Google Earth AI’s planetary intelligence is supporting global public health
著者: Yossi Matias（VP & GM, Google Research）、Michael Howell（Chief Health Officer, Google）
発行元: Google Blog
発行日: 2026年3月13日
URL: https://blog.google/innovation-and-ai/technology/health/google-earth-ai-global-public-health/

要点

Google Earth AIは、気象・空気質・洪水などの環境データと人口動態を統合し、感染症リスクの予測や公衆衛生介入の精度向上に活用されている
マラウイでのクリニック利用予測、麻疹ワクチン接種率のZIPコード単位マッピング、コレラ・デング熱の発生予測など、複数の実装事例が報告されている
WHOアフリカ地域事務局との共同評価において、Google独自のTimesFMとPDFMを組み合わせることでコレラ予測精度が標準モデル比35%以上改善された
オーストラリアでは、農村部の慢性疾患ニーズを把握するためのPopulation Health AI（PHAI）が一部パートナー向けに概念実証として展開されている

詳細解説

Google Earth AIとは何か

　Google Earth AIは、物理世界をモデル化する数十年分の研究を基盤に構築されたシステムです。中核となるのがPopulation Dynamics Foundation Model（PDFM）と呼ばれる地理空間推論のための基盤モデルで、気象・空気質・洪水リスクといった環境要因と、人口の移動パターンを統合的に分析します。Googleによれば、この「惑星規模のインテリジェンス」と各地域固有の医療データを組み合わせることで、公衆衛生の担当者や研究機関が危機に「事後対応」するのではなく、「事前予測」へと移行できると説明されています。

　従来の公衆衛生対策では、感染が拡大してから資源を投入する反応型のアプローチが中心でした。Earth AIのアプローチは、地理的・気象的な文脈を加えることで、どの地域でいつリスクが高まるかをより早期に察知できる点に特徴があると考えられます。

公衆衛生介入の精度向上——マラウイと麻疹対策

　Googleの社会貢献部門であるGoogle.orgの助成先であるCooper/Smithは、マラウイにおいてEarth AIのPDFMとAlphaEarth衛星埋め込みデータをローカルデータと組み合わせ、地域クリニックの医療サービス利用状況を予測する取り組みを行っています。Googleによれば、この手法は感染症アウトブレイクの早期警告サインの検知や、限られた医療資源のより効率的な配分を支援できるとされています。

　また、麻疹対策においては、マウント・サイナイ病院やボストン小児病院・ハーバード大学の研究者がPDFMを活用し、ワクチン接種率の「超解像度（Superresolution）」推定を行いました。プライバシーに配慮した集計データを用いることで、個人情報を開示せずにZIPコード単位での接種率マッピングが可能になり、直近のアウトブレイクと重なるワクチン未接種クラスターの特定に活用されています。ZIPコードレベルという細かい粒度でのデータ可視化は、行政の対策立案において実用的な示唆を与えると考えられます。

気象と地理が関係する感染症の予測——コレラとデング熱

　気象は多くの感染症の流行ペースに直接影響します。夏季の降雨はデング熱の急増を招き、洪水はコレラのリスクを大幅に高めるとされています。Googleは、人口動態データと予測気象モデルを組み合わせることで、こうした健康上の緊急事態を数週間から数か月前に予測できると説明しています。

　WHOアフリカ地域事務局との共同評価では、GoogleのTimesFM（時系列予測のための基盤モデル）とPDFM、気象データを組み合わせたモデルを検証しました。GoogleによればWHOの統合疾病監視データを活用した結果、コレラ症例の予測精度が標準モデルと比べて35%以上改善されたとのことです。より精度の高い予測が実現すれば、例えば経口補水塩などの必需品を必要な地域に事前配備するといった具体的なアクションにつなげやすくなります。

　さらに、オックスフォード大学の研究者たちはEarth AIのモデルとデータセットを用いてブラジルにおけるデング熱の予測に取り組み、PDFMの埋め込みを組み込むことで6か月先の予測精度が大幅に向上したと報告されています。地方当局が予防措置を講じるための時間的余裕が生まれる点が、この手法の実践的な意義と言えます。

慢性疾患ニーズの把握——オーストラリアの事例

　Google Earth AIの活用範囲は感染症対策にとどまらず、非感染性疾患（慢性疾患）の把握にも広がっています。オーストラリアでは、Victor Chang心臓研究所、WesfarmersヘルスおよびLatrobe Health Servicesと連携し、Population Health AI（PHAI）を展開しています。GoogleによればPHAIは現在、一部パートナー向けの概念実証として提供されており、Earth AIのPDFM埋め込みデータに加え、空気質・花粉・施設インサイトといった地理空間データを組み合わせて、オーストラリア農村部のコミュニティが抱える慢性疾患のニーズを把握し、予防支援を目指すものとされています。

　農村部は都市部と比べて医療アクセスが限られるケースが多く、病気の早期発見が遅れやすい環境にあります。地理情報と環境データを重ね合わせることで、従来は見えにくかった地域単位のリスク分布を可視化できる可能性があります。