L'intelligence artificielle a estimé le degré d'obésité des résidents de certaines régions des États-Unis à l'aide de photographies satellites. Pour ce faire, l'algorithme n'a pas utilisé d'images d'individus, mais d'autres données, comme la répartition des bâtiments et des arbres dans la zone. Les résultats des travaux sont présentés dans le magazine JAMA Network Open.
Certains problèmes de santé publique sont si graves qu'ils peuvent être vus de l'espace. Dans le nouveau travail, les scientifiques ont utilisé l'apprentissage des réseaux neuronaux profonds pour analyser les données satellites de quatre zones résidentielles aux États-Unis. Pour ce faire, nous avons utilisé des données sur l'environnement urbain, à la fois naturel et artificiel: la présence de parcs, la localisation des routes, les passages pour piétons, une variété de types de maisons, etc.
La source des données était des photographies de 1 695 quartiers de Los Angeles, Memphis, San Antonio et Seattle du service Google Maps - au total environ 150 000 images. À partir de ces images, le réseau de neurones a extrait des données sur la répartition de la végétation, la position des routes et la présence de maisons. Puis un autre algorithme a comparé les informations obtenues avec le taux d'obésité de la population locale.
En conséquence, les créateurs du réseau de neurones ont pu estimer le nombre de personnes obèses avec encore plus de précision que ce qui pourrait être fait en fonction du nombre de gymnases et de restaurants dans la zone d'étude. Ils ont également réussi à trouver un lien entre les paramètres de planification et le revenu par habitant.