L'intelligenza artificiale ha stimato il grado di obesità dei residenti di alcune aree degli Stati Uniti utilizzando fotografie satellitari. Per fare ciò, l'algoritmo non ha utilizzato immagini di individui, ma altri dati, come la distribuzione di edifici e alberi nell'area. I risultati del lavoro sono presentati nella rivista JAMA Network Open.
Alcuni problemi di salute pubblica sono così gravi da poter essere visti dallo spazio. Nel nuovo lavoro, gli scienziati hanno utilizzato l'apprendimento della rete neurale profonda per analizzare i dati satellitari di quattro aree residenziali negli Stati Uniti. Per fare questo, abbiamo utilizzato dati sull'ambiente urbano, sia naturale che artificiale: la presenza di parchi, l'ubicazione di strade, attraversamenti pedonali, una varietà di tipi di case e così via.
La fonte dei dati erano fotografie di 1.695 quartieri di Los Angeles, Memphis, San Antonio e Seattle dal servizio di Google Maps - in totale circa 150.000 immagini. Da queste immagini, la rete neurale ha estratto dati sulla distribuzione della vegetazione, la posizione delle strade e la presenza delle case. Quindi un altro algoritmo ha confrontato le informazioni ottenute con il tasso di obesità nella popolazione locale.
Di conseguenza, i creatori della rete neurale sono stati in grado di stimare il numero di persone obese in modo ancora più accurato di quanto si potesse fare in base al numero di palestre e ristoranti nell'area di studio. Sono anche riusciti a trovare una connessione tra parametri di pianificazione e reddito pro capite.
