Kunstmatige intelligentie heeft met behulp van satellietfoto's de mate van zwaarlijvigheid van inwoners van bepaalde delen van de Verenigde Staten geschat. Het algoritme gebruikte hiervoor geen afbeeldingen van individuen, maar andere data, zoals de verdeling van gebouwen en bomen in de omgeving. De resultaten van het werk worden gepresenteerd in het tijdschrift JAMA Network Open.
Sommige volksgezondheidsproblemen zijn zo groot dat ze vanuit de ruimte te zien zijn. In het nieuwe werk gebruikten wetenschappers diepgaand neuraal netwerkonderwijs om satellietgegevens uit vier woonwijken in de Verenigde Staten te analyseren. Hiervoor hebben we gegevens gebruikt over de stedelijke omgeving, zowel natuurlijk als kunstmatig: de aanwezigheid van parken, de ligging van wegen, oversteekplaatsen voor voetgangers, verschillende soorten huizen, enzovoort.
De bron van de gegevens waren foto's van 1.695 buurten in Los Angeles, Memphis, San Antonio en Seattle van de Google Maps-service - in totaal ongeveer 150.000 afbeeldingen. Uit deze beelden haalde het neurale netwerk gegevens over de verspreiding van vegetatie, de ligging van wegen en de aanwezigheid van huizen. Vervolgens vergeleek een ander algoritme de verkregen informatie met het percentage zwaarlijvigheid in de lokale bevolking.
Als gevolg hiervan konden de makers van het neurale netwerk het aantal zwaarlijvige mensen nog nauwkeuriger inschatten dan op basis van het aantal sportscholen en restaurants in het studiegebied. Ze slaagden er ook in om een verband te vinden tussen planningsparameters en inkomen per hoofd van de bevolking.
