Sztuczna inteligencja oszacowała stopień otyłości mieszkańców niektórych obszarów Stanów Zjednoczonych za pomocą zdjęć satelitarnych. Aby to zrobić, algorytm nie wykorzystał zdjęć osób, ale inne dane, takie jak rozmieszczenie budynków i drzew w okolicy. Wyniki prac prezentowane są w magazynie JAMA Network Open.
Niektóre problemy zdrowotne są tak poważne, że można je zobaczyć z kosmosu. W nowej pracy naukowcy wykorzystali głębokie uczenie się sieci neuronowych do analizy danych satelitarnych z czterech obszarów mieszkalnych w Stanach Zjednoczonych. W tym celu wykorzystaliśmy dane dotyczące środowiska miejskiego, zarówno naturalnego, jak i sztucznego: obecność parków, lokalizację dróg, przejścia dla pieszych, różne typy domów i tak dalej.
Źródłem danych były zdjęcia 1695 okolic w Los Angeles, Memphis, San Antonio i Seattle z usługi Google Maps - łącznie około 150 000 zdjęć. Z tych zdjęć sieć neuronowa wyodrębniła dane dotyczące rozmieszczenia roślinności, położenia dróg i obecności domów. Następnie inny algorytm porównał uzyskane informacje ze wskaźnikiem otyłości w lokalnej populacji.
W rezultacie twórcy sieci neuronowej byli w stanie oszacować liczbę osób otyłych jeszcze dokładniej, niż można by to zrobić na podstawie liczby siłowni i restauracji na badanym obszarze. Udało im się również znaleźć związek między parametrami planowania a dochodem na mieszkańca.