Австралия по праву считается страной с одной из лучших систем здравоохранения в мире. Но есть парадокс: место проживания по-прежнему остаётся ключевым фактором, определяющим здоровье и продолжительность жизни. Жители отдалённых районов континента на 60% чаще умирают от сердечно-сосудистых заболеваний, чем горожане. Google решил изменить эту статистику с помощью искусственного интеллекта.

В марте 2026 года компания запустила первую в Азиатско-Тихоокеанском регионе программу, объединяющую AI-аналитику с реальной медицинской помощью на местах. Разбираемся, как это работает и почему этот кейс важен далеко за пределами Австралии.

ℹ О чём эта статья
Google инвестировал 1 миллион австралийских долларов в программу, которая использует AI для выявления скрытых рисков сердечно-сосудистых заболеваний в отдалённых общинах Австралии. Цель — перейти от лечения последствий к проактивной профилактике.

Проблема: когда география определяет здоровье

Австралия — огромная страна, где расстояние до ближайшей больницы может измеряться сотнями километров. Для жителей отдалённых регионов (а это миллионы людей) доступ к кардиологу, регулярным обследованиям и своевременной помощи — скорее исключение, чем правило.

Ситуация знакома и для других стран с обширной территорией. В России, например, проблема доступности медицинской помощи в сельских районах стоит не менее остро: по данным Минздрава, обеспеченность врачами на селе в несколько раз ниже, чем в городах.

Здоровье определяется не только визитами к врачу — его формирует среда, близость к медицинским учреждениям, доступ к качественному питанию и даже воздух, которым мы дышим.

ПоказательГородские районыОтдалённые районы
Риск смерти от ССЗБазовыйНа 60% выше
Доступ к кардиологуВ пределах городаСотни километров
Регулярные скринингиШироко доступныКрайне ограничены
Время до экстренной помощиМинутыЧасы

Кто стоит за проектом

Программа объединяет четырёх ключевых партнёров, каждый из которых вносит свою экспертизу:

  • Google — предоставляет AI-платформу Population Health AI (PHAI) и финансирование через Digital Future Initiative (DFI)
  • Wesfarmers Health и её подразделение SISU Health — обеспечивает инфраструктуру для массовых медицинских скринингов (самообслуживаемые станции здоровья, установленные в аптеках и общественных пространствах)
  • Victor Chang Cardiac Research Institute (Институт кардиологических исследований имени Виктора Чанга) — один из ведущих кардиологических исследовательских центров мира, привносит клиническую экспертизу
  • Latrobe Health Services — некоммерческая страховая компания, основанная в 1950 году и обслуживающая более 110 000 участников по всей Австралии
💡 Что такое SISU Health
SISU Health — это сервис бесплатных медицинских проверок через специальные станции самообслуживания. За 5 минут можно измерить давление, вес, определить риск диабета и другие показатели. К маю 2025 года SISU Health уже провёл более 69 000 бесплатных проверок для представителей коренных народов Австралии.

Как работает Population Health AI (PHAI)

Ядро программы — платформа PHAI (Population Health AI — популяционный AI для здравоохранения). Это аналитический движок, который выявляет скрытые риски для здоровья на уровне целых сообществ.

На текущем этапе PHAI — это proof-of-concept (экспериментальная концепция), доступная ограниченному кругу партнёров. Но уже сейчас платформа демонстрирует впечатляющие возможности.

Технологическая основа

PHAI опирается на PDFM (Population Dynamics Foundation Models — фундаментальные модели динамики населения), разработанные в рамках Google Earth AI. Это геопространственные модели, которые создают векторные представления (эмбеддинги) для конкретных локаций, учитывая множество факторов.


graph TD
    A[Источники данных] --> B[PDFM — фундаментальная модель]
    B --> C[PHAI — аналитический движок]
    C --> D[Инсайты для партнёров]
    D --> E[Таргетированные скрининги]
    D --> F[Персонализированные программы]
    
    A1[Качество воздуха] --> A
    A2[Данные Google Maps] --> A
    A3[Индекс пыльцы] --> A
    A4[Агрегированные поисковые тренды] --> A
    A5[Клинические данные партнёров] --> A
    A6[Географические факторы] --> A

Какие данные анализирует система

PDFM использует графовые нейронные сети (GNN), обученные на нескольких типах данных:

  • Геопространственные — расположение населённых пунктов, расстояние до медучреждений, инфраструктура
  • Экологические — качество воздуха, уровень пыльцы, погодные условия
  • Поведенческие — агрегированные и анонимизированные поисковые тренды
  • Картографические — данные Google Maps Platform об объектах и сервисах в конкретных локациях
  • Клинические — деидентифицированные и агрегированные медицинские записи от партнёров
⚠ Конфиденциальность данных
Google подчёркивает, что система работает исключительно с деидентифицированными и агрегированными данными. Индивидуальная конфиденциальность полностью защищена — PHAI анализирует паттерны на уровне сообществ и почтовых индексов, а не отдельных людей.

Что делает PDFM особенной

Модели PDFM были протестированы на 27 задачах в области здравоохранения, социоэкономики и экологии, демонстрируя передовые результаты в четырёх ключевых направлениях:

ЗадачаОписаниеПрименение в проекте
ИнтерполяцияВосполнение данных для неизученных локацийОценка рисков в районах без клинических данных
ЭкстраполяцияПрогнозирование для новых территорийРасширение программы на другие регионы
ПрогнозированиеПредсказание будущих показателейРаннее выявление нарастающих рисков
СуперразрешениеДетализация из укрупнённых данныхТочечные рекомендации для конкретных посёлков

От данных к действию: 50 000 скринингов

Технология не остаётся на уровне аналитики — она ведёт к конкретным действиям. При поддержке DFI компания SISU Health планирует провести более 50 000 медицинских скринингов в отдалённых районах Австралии.

Как это будет работать на практике:

  1. PHAI анализирует данные о конкретном регионе и выявляет зоны повышенного риска
  2. SISU Health направляет мобильные станции здоровья именно в те населённые пункты, где они нужнее всего
  3. Результаты скринингов (с согласия участников) возвращаются в систему, уточняя модель
  4. Партнёры разрабатывают адресные программы профилактики для каждого конкретного посёлка или района

graph LR
    A[PHAI выявляет
зоны риска] --> B[SISU Health
направляет станции]
    B --> C[Скрининг
населения]
    C --> D[Данные
возвращаются в систему]
    D --> A
    C --> E[Адресные
программы помощи]

Цель проста: обеспечить здоровье вне зависимости от места проживания. Объединяя AI-возможности Google с глубокой клинической экспертизой партнёров, мы работаем над будущим, где каждый австралиец получит доступ к персонализированной помощи, которую он заслуживает.

Почему это важно за пределами Австралии

Этот проект — прецедент. Если подход окажется успешным, его можно масштабировать на любую страну, где есть разрыв между городским и сельским здравоохранением. А это практически все крупные государства мира.

Эмбеддинги PDFM уже доступны для 17 и более стран в исследовательских целях, а для коммерческого и государственного использования Google запустил платную программу раннего доступа.

📝 Потенциал для России
Россия — страна с колоссальной территорией и значительным разрывом в качестве здравоохранения между мегаполисами и отдалёнными регионами. Подход Google с использованием геопространственного AI для выявления зон риска мог бы быть применим и к российским реалиям — от Дальнего Востока до Крайнего Севера. Подобные модели помогли бы точнее распределять ресурсы мобильной медицины и планировать выездные скрининговые программы.

Ключевые выводы

Проект Google в Австралии демонстрирует несколько важных тенденций в применении AI в здравоохранении:

  • От лечения к профилактике. AI позволяет не ждать, когда болезнь проявится, а выявлять риски заранее на основе множества косвенных факторов
  • Персонализация на уровне сообществ. Вместо универсальных программ здравоохранения — адресные решения для конкретных населённых пунктов
  • Мультимодальный анализ. Здоровье населения зависит от экологии, инфраструктуры, поведения — AI способен учесть все эти факторы одновременно
  • Приватность by design. Работа с агрегированными и деидентифицированными данными показывает, что мощная аналитика возможна без нарушения конфиденциальности

Первая в Азиатско-Тихоокеанском регионе программа такого масштаба — это только начало. Если данные 50 000 скринингов подтвердят эффективность подхода, можно ожидать масштабирования PHAI на другие страны и другие области медицины — далеко за пределами кардиологии.