Dopo aver scaricato 150.000 immagini satellitari da Google Maps relative a quattro città americane (Los Angeles, Memphis, San Antonio e Seattle), un gruppo di ricercatori ha pubblicato uno studio su JAMA Network Open secondo il quale è possibile rilevare i tassi di obesità di un determinato quartiere o regione dallo spazio.
L’obesità è senza dubbio un problema di salute pubblica e qualsiasi tecnologia che possa aiutare a capirne la diffusione in maniera più precisa è sempre la benvenuta ma osservare la diffusione dell’obesità dallo spazio risulta senz’altro un’idea originale.
Dopo aver scaricato le immagini, i ricercatori le hanno sottoposte ad un algoritmo con una rete neurale, uno di quegli algoritmi che sfruttano i cosiddetti “big data”, enormi quantità di dati per tirare fuori risultati statistici interessanti.
L’algoritmo valutava caratteristiche come la quantità di aree verdi, il numero di auto e gli edifici. L’algoritmo era poi in grado di trovare connessioni tra queste caratteristiche visive per valutare la percentuale di persone obese in quella determinata area.
E sorprendentemente i risultati sembravano abbastanza buoni considerando che gli stessi ricercatori non potevano valutare caratteristiche ancora più interessanti in tal senso, come il numero di palestre o di fast-food in una determinata zona.
Naturalmente se confrontati con le valutazioni eseguite in base ai dati della sanità pubblica, che contano su cartelle cliniche, visite mediche e sondaggi, giusto per dire, i risultati non potranno essere caratterizzati dallo stesso livello qualitativo ma si tratta sempre di un metodo economico e veloce per valutazioni neanche tanto grossolane.
Fonti e approfondimenti
- Artificial intelligence spots obesity from space | Science | AAAS (IA)
- Use of Deep Learning to Examine the Association of the Built Environment With Prevalence of Neighborhood Adult Obesity | Obesity | JAMA Network Open | JAMA Network (DOI: 10.1001/jamanetworkopen.2018.1535) (IA)
Articoli correlati
- Obesità come contagio sociale, lo propone uno studio (26/1/2018)
- Lettura della mente, altro passo avanti grazie al deep learning (24/10/2017)
- Intelligenza artificiale usata per rilevare retinopatia diabetica (28/4/2017)
- Deep learning per rilevare onde gravitazionali (26/1/2018)
- Deep learning usato per studiare la formazione delle galassie (24/4/2018)
- Cina, intelligenza artificiale valuta probabilità di risveglio dal coma dei pazienti (9/9/2018)
- Portland regolarizzerà traffico delle auto senza conducente (26/4/2017)
- Harvard e Google pensano di poter prevedere scosse di assestamento con intelligenza artificiale (31/8/2018)
- Creato algoritmo che riesce a produrre testi di senso compiuto partendo da una traccia (16/2/2019)
- DeepMind crea immagini al computer più che fotorealistiche di cose e oggetti che non esistono (3/10/2018)
Rispondi