Künstliche Intelligenz hat den Grad der Fettleibigkeit von Bewohnern bestimmter Gebiete der Vereinigten Staaten anhand von Satellitenbildern geschätzt. Zu diesem Zweck verwendete der Algorithmus keine Bilder von Personen, sondern andere Daten, wie z. B. die Verteilung von Gebäuden und Bäumen in der Umgebung. Die Ergebnisse der Arbeit werden im JAMA Network Open Magazin vorgestellt.
Einige Probleme der öffentlichen Gesundheit sind so groß, dass sie vom Weltraum aus gesehen werden können. In der neuen Arbeit verwendeten Wissenschaftler das Lernen in tiefen neuronalen Netzen, um Satellitendaten aus vier Wohngebieten in den USA zu analysieren. Zu diesem Zweck verwendeten wir Daten zur natürlichen und künstlichen städtischen Umgebung: das Vorhandensein von Parks, die Lage von Straßen, Fußgängerüberwegen, eine Vielzahl von Haustypen usw.
Die Datenquelle waren Fotos von 1.695 Stadtteilen in Los Angeles, Memphis, San Antonio und Seattle vom Google Maps-Dienst - insgesamt etwa 150.000 Bilder. Aus diesen Bildern extrahierte das neuronale Netzwerk Daten über die Verteilung der Vegetation, die Position der Straßen und das Vorhandensein von Häusern. Dann verglich ein anderer Algorithmus die erhaltenen Informationen mit der Adipositasrate in der lokalen Bevölkerung.
Infolgedessen konnten die Entwickler des neuronalen Netzwerks die Anzahl der übergewichtigen Menschen noch genauer abschätzen, als dies anhand der Anzahl der Fitnessstudios und Restaurants im Untersuchungsgebiet möglich war. Es gelang ihnen auch, einen Zusammenhang zwischen Planungsparametern und Pro-Kopf-Einkommen zu finden.
