ИИ связал ожирение с особенностями застройки
Logo
Cover

Некоторые проблемы так велики, что их видно даже из космоса. Одна из них — ожирение. Исследователи из США обучили ИИ выявлять наиболее сложные кварталы на основе спутниковых снимков. Причем для этого не обязательно распознавать отдельных толстяков — важны связи между тремя составляющими районов.

Ожирение — одна из самых серьезных проблем для здравоохранения США, и на ее решение выделяются миллиарды. Одно из направлений работы — пропаганда здорового образа жизни. Обычно в приоритете оказываются районы с большой долей страдающих от лишнего веса людей, и, чтобы составить карту на основе этого параметра, проводят трудоемкие и дорогостоящие опросы и масштабные исследования.

Американские исследователи на страницах JAMA предложили новый подход: доверить ИИ вычислить закономерности по спутниковым снимкам.

Для этого оказалось вовсе необязательно распознавать толстяков в общей массе пешеходов. Как сообщает Science, на основании примерно 150 000 снимков Google Maps ИИ связал процент страдающих от лишнего веса с особенностями зонирования района.

Для этого потребовалась работа двух нейросетей. Первая выявила главные особенности районов проживания. По итогам ее работы все снимки раскрасили в «пузыри» трех цветов: зеленым обозначили деревья и кусты, серым — дороги, а красным — застройку.

Вторая программа выявляла связи между конфигурацией разноцветных пятен и показателями ожирения среди жителей отдельного района.

Алгоритмы анализировали снимки четырех крупных городов из разных частей США: Лос-Анджелеса, Мемфиса, Сан-Антонио и Сиэтла. Авторы утверждают, что нейросеть из «пузырчатых» снимков вывела даже более точные закономерности, чем это позволяют делать традиционные метрики на основе оценки числа ресторанов или спортивных залов.

Выводы позволят формировать новые стратегии городского планирования — например, отдавать в конкретных районах приоритет ритейлерам, которые предлагают здоровые продукты питания.

Недавно ученые предложили простую формулу для расчета жировых отложений, которая точнее традиционно используемого индекса массы тела.