Application and Validation of Geospatial Foundation Model Data for the Prediction of Health Facility Programmatic Outputs -- A Case Study in Malawi
Created by
Haebom
Category
Empty
저자
Lynn Metz, Rachel Haggard, Michael Moszczynski, Samer Asbah, Chris Mwase, Patricia Khomani, Tyler Smith, Hannah Cooper, Annie Mwale, Arbaaz Muslim, Gautam Prasad, Mimi Sun, Tomer Shekel, Joydeep Paul, Anna Carter, Shravya Shetty, Dylan Green
개요
본 연구는 저개발 및 중간 소득 국가(LMICs)의 제한적인 보건 데이터 문제를 해결하기 위해, 다양한 공간, 시간, 행동 데이터를 통합하는 Geospatial Foundation Models (GeoFMs)의 예측 성능을 평가했습니다. Google PDFM, Google AlphaEarth, 모바일 통화 상세 기록(CDR)을 포함한 세 가지 GeoFM 임베딩 소스를 활용하여 말라위의 15가지 일상적인 보건 프로그램 결과 모델링을 시도하고, 이를 전통적인 지리 공간 보간법과 비교했습니다. XGBoost 모델을 사용하여 552개 보건 구역의 데이터를 분석했으며, 80/20 훈련/테스트 데이터 분할과 5겹 교차 검증을 통해 R2로 성능을 평가했습니다. Multi-GeoFM 모델이 가장 강력한 예측 능력을 보였으며, 인구 밀도, 신규 HIV 감염자 수, 어린이 예방 접종과 같은 지표에서 유의미한 R2 값을 달성했습니다.
시사점, 한계점
•
GeoFM 임베딩 기반 접근 방식이 15개 지표 중 13개(87%)에서 기존 지리 통계적 방법보다 성능이 향상되었습니다.
•
Multi-GeoFM 모델은 여러 지표에서 가장 우수한 예측 성능을 보였습니다.
•
저조한 데이터 가용성을 가진 지표(예: 결핵 및 영양실조)에 대한 예측은 제한적이었습니다.
•
GeoFM은 제한된 일상적인 보건 정보 시스템을 보완하고 강화하는 데 효과적인 도구입니다.
•
연구는 특정 LMIC 컨텍스트에 국한되며, 다른 지역으로의 일반화에 대한 추가 연구가 필요합니다.
