谷歌地球AI的PDFM位置嵌入在五项公共卫生合作研究中匹配或提升传统输入，跨境疫苗建模解释力从16%升至22%

PDFM把隐私保护的搜索趋势、人口流动、建成环境密度与环境决定因素压缩为按月更新的位置嵌入，无需任务特定微调即可作为现成地理空间上下文接入既有统计与机器学习模型。 相对需要大量任务特定数据采集与定制数据工程管道的传统做法，该工作提出以预训练“地点”表征作为即插即用输入，而非从零构建新流程。 以PDFM作为概念验证，由全球卫生研究合作方在五项不同疾病领域、资源环境与流行病学任务中开展独立评估；文中报告嵌入在多种任务上匹配或优于传统输入。

跨境情境可修正被主权边界割裂的建模：在距加拿大边境150公里内的146个美国县，补充加拿大Forward Sortation Area嵌入后，MMR疫苗接种覆盖率建模的解释变异份额从16%升至22%（提升36%），并为470万边境居民把覆盖率估计精化至少3个百分点。 国内单侧模型难以刻画跨境行为与流动溢出，加入邻国嵌入后捕捉到国内模型可能遗漏的本地模式。 由西奈山卫生系统与波士顿儿童医院研究人员开展，报告了具体县数、距离阈值、解释力变化与受影响居民规模。

在约3100个美国县估计当年心血管死亡数时，PDFM与基于普查的输入在现时估计上无统计学显著差异，而PDFM更新更快、覆盖地点更多；官方县级死亡数据通常滞后1至2年，ACS协变量反映2至3年前状况。 这提示卫生部门可依据当前状况而非等待多年调查周期来配置预防资源。 由NYU Grossman医学院合作方测试，报告了无显著差异的对比结果与数据滞后量级。

在墨西哥约2450个市镇（2020至2025年）的登革热预报中，PDFM与TimesFM 2.0耦合后最大增益出现在提前一个月预测，在最多72%的活跃传播市镇改善精度，总误差下降量是恶化量的3.4倍；在刚果民主共和国403个卫生区，轻量低资源版PDFM在提前1至2周时未显著提升精度，而在提前4至8周时提供增益。 增益随预测时距变化：短期追踪仍依赖近期病例数，而基础模型嵌入补充了环境、连通性与人口决定因素，支持提前一至两个月的主动规划。 登革热部分由牛津大学与蒙特雷理工学院合作方完成；霍乱部分针对WHO非洲区域办事处定义的使用场景，采用刚果民主共和国IDSR国家监测数据。

该范式面向需要及时、细粒度地理空间情境的公共卫生与流行病学工作流：卫生部门、临床与筛查项目、以及资源受限或联网稀疏地区的规划者。适用场景包括跨境疫苗覆盖建模、心血管死亡现时估计、登革热一个月前瞻预报、产后抑郁风险筛查资源分配，以及霍乱4至8周前瞻热点预警。嵌入按月更新，可作为现成输入接入既有统计与机器学习模型，无需任务特定微调。

文中指出当前局限包括静态快照，并提到正在研究时间动态嵌入与面向联网不足地区的地理迁移学习。霍乱任务中提前1至2周未见显著增益，说明增益依赖预测时距。产后抑郁的AUC提升幅度较小（+0.0020与+0.0038），其实际价值体现在筛查资源模拟中。部分结果以要点形式列出而正文未展开，具体数值与图表需查阅原文。