La inteligencia artificial ha estimado el grado de obesidad de los residentes de determinadas zonas de Estados Unidos mediante fotografías satelitales. Para ello, el algoritmo no utilizó imágenes de individuos, sino otros datos, como la distribución de edificios y árboles en la zona. Los resultados del trabajo se presentan en la revista JAMA Network Open.
Algunos problemas de salud pública son tan graves que pueden verse desde el espacio. En el nuevo trabajo, los científicos utilizaron el aprendizaje de redes neuronales profundas para analizar datos satelitales de cuatro áreas residenciales en los Estados Unidos. Para ello, utilizamos datos del entorno urbano, tanto natural como artificial: presencia de parques, ubicación de carreteras, pasos de peatones, variedad de tipos de viviendas, etc.
La fuente de los datos fueron fotografías de 1,695 vecindarios en Los Ángeles, Memphis, San Antonio y Seattle del servicio Google Maps, en total alrededor de 150,000 imágenes. De estas imágenes, la red neuronal extrajo datos sobre la distribución de la vegetación, la posición de las carreteras y la presencia de viviendas. Luego, otro algoritmo comparó la información obtenida con la tasa de obesidad en la población local.
Como resultado, los creadores de la red neuronal pudieron estimar el número de personas obesas con mayor precisión de lo que se podría hacer en función del número de gimnasios y restaurantes en el área de estudio. También lograron encontrar una conexión entre los parámetros de planificación y el ingreso per cápita.
