Immaginate di dover individuare decine di migliaia di persone a rischio durante un'epidemia di Ebola, in zone remote e difficilmente raggiungibili. Con i metodi tradizionali, ci vorrebbero settimane. Con i nuovi strumenti AI di Google Earth, il team dell'OMS ci ha messo pochi minuti. Non è fantascienza: è quello che sta succedendo adesso nella Repubblica Democratica del Congo.Google ha pubblicato una serie di ricerche condotte insieme a partner sanitari globali che mostrano come l'intelligenza artificiale applicata ai dati geografici possa trasformare la sanità pubblica, passando da una risposta reattiva alle crisi a una prevenzione proattiva. Il cuore del sistema è una combinazione di immagini satellitari, dati di mobilità, tendenze di ricerca e modelli AI sviluppati da Google, tra cui il Population Dynamics Foundation Model (PDFM). In parole semplici: il modello incrocia dove si muovono le persone, cosa cercano online e come cambia l'ambiente intorno a loro, costruendo una mappa dinamica e ad alta risoluzione dello stato di salute di una comunità.Durante l'epidemia di Ebola in corso nella RDC, il team dell'OMS ha usato un agente AI prototipale per mappare i corridoi minerari remoti, dove il rischio di contagio è alto per via degli spostamenti frequenti. In pochi minuti ha identificato 48 insediamenti esposti e oltre 45.500 persone a rischio, permettendo di inviare laboratori mobili e coordinare la sorveglianza alle frontiere prima che i casi arrivassero.Un secondo strumento, il motore di previsione planetaria, combina i flussi di mobilità con i dati storici sui casi per stimare ogni settimana la probabilità che l'Ebola si diffonda in zone ancora indenni, dando ai coordinatori il tempo di prepararsi prima che il virus arrivi.Non si tratta solo di Ebola. Le stesse tecnologie sono state applicate a scenari molto diversi, con risultati che vale la pena conoscere:Ricercatori del NYU Langone Health hanno usato i segnali di popolazione in tempo reale per prevedere la mortalità cardiovascolare nello stesso anno, con prestazioni simili o superiori ai modelli tradizionali.Ricercatori del Mount Sinai e del Boston Children's Hospital hanno integrato i comportamenti umani su entrambi i lati del confine USA-Canada per stimare meglio i tassi di vaccinazione contro morbillo, parotite e rosolia nelle contee americane.Università di Oxford e Tecnológico de Monterrey hanno usato il PDFM insieme a modelli climatici locali per prevedere le epidemie di dengue in Messico con anticipo sufficiente a intervenire, ad esempio eliminando le larve di zanzara prima che il problema esploda.Nella RDC, combinando i dati epidemiologici con il PDFM, è stato possibile identificare le zone ad alto rischio di colera con fino a otto settimane di anticipo.Questi strumenti non sono ancora disponibili per tutti, ma Google sta aprendo l'accesso: i dati del PDFM sono disponibili in anteprima commerciale come Population Dynamics Insights su Google Maps Platform, e i ricercatori possono richiedere l'accesso gratuito per determinati casi d'uso. Le organizzazioni idonee possono anche richiedere crediti Google Earth tramite i programmi pubblici di Google Maps Platform.L'idea che l'intelligenza artificiale geospaziale possa anticipare le epidemie di settimane è affascinante, e i risultati mostrati finora fanno ben sperare. Se e quando (e quanto) questi strumenti saranno messi nelle mani di chi ne ha più bisogno, spesso nei paesi con meno risorse tecnologiche, è però un corollario della notizia che non sarà facile seguire, purtroppo.L'articolo L'AI di Google Earth ha individuato 45.000 persone a rischio Ebola in pochi minuti, e questo è solo l'inizio sembra essere il primo su Smartworld.