Kunstig intelligens estimerede graden af fedme hos beboere i visse områder i De Forenede Stater ved hjælp af satellitfotografier. For at gøre dette brugte algoritmen ikke billeder af enkeltpersoner, men andre data, såsom fordeling af bygninger og træer i området. Resultaterne af arbejdet præsenteres i JAMA Network Open-magasinet.
Nogle problemer med folkesundheden er så store, at de kan ses fra rummet. I det nye arbejde brugte forskere dyb neurale netværkslæringer til at analysere satellitdata fra fire boligområder i USA. For at gøre dette brugte vi data om bymiljøet, både naturligt og kunstigt: tilstedeværelsen af parker, placeringen af veje, fodgængerovergange, en række forskellige typer huse osv.
Kilden til dataene var fotografier af 1.695 kvarterer i Los Angeles, Memphis, San Antonio og Seattle fra Google Maps-tjenesten - i alt omkring 150.000 billeder. Fra disse billeder udtrækkede det neurale netværk data om fordelingen af vegetation, vejenes placering og tilstedeværelsen af huse. Derefter sammenlignede en anden algoritme de opnåede oplysninger med fedme i lokalbefolkningen.
Som et resultat var skaberne af det neurale netværk i stand til at estimere antallet af overvægtige mennesker endnu mere præcist, end hvad der kunne gøres baseret på antallet af fitnesscentre og restauranter i studieområdet. De formåede også at finde en forbindelse mellem planlægningsparametre og indkomst pr. Indbygger.
