Те са използвали невронна мрежа с изкуствен интелект, за да свържат разпространението на затлъстяването в някои градове в Съединените щати с различни фактори на околната среда, като наличието на фитнес зали, паркове или зелени площи.

космоса

Въпреки че всеки има своите предпочитания, като цяло всеки, който търси добро място за преместване, обикновено взема предвид поредица от общи характеристики: В близост спирки на обществения транспорт, училища, магазини, болници ...

Най-общо казано, ние търсим инфраструктури улесни живота ни, така че да трябва движете се възможно най-малко през нашето ежедневие. Това е ясно, но наистина ли е единственото нещо, на което трябва да се обърне внимание?

Според ново проучване, публикувано в JAMA Network Open, от учени от Университет във Вашингтон, Има и други фактори, които трябва да се имат предвид, поне ако искате да намерите място къде здравият живот надделява. Те са го показали благодарение на a модел на изкуствен интелект, способен да свърже разпространението на затлъстяването със застроената среда.

Открийте затлъстяването от космоса

През 2016г, имаше по целия свят повече от 340 милиона деца и юноши с наднормено тегло или затлъстяване, според данни на Световната здравна организация.

The Глобалните нива на затлъстяване са се утроили почти през 1975 г. и продължете да напредвате с високи скокове, подхранвани от фактори, произтичащи от настоящия начин на живот, като заседнал начин на живот или увеличаване на предлагането на заведения за бързо хранене.

Всички специалисти са съгласни, че затлъстяването се влияе от много ясни фактори, като генетика, диета, физическа активност и околна среда. Доказателствата обаче сочат асоциации с изградената среда тя варира в широки граници между проучвания и географски контекст. Затова тези изследователи са решили да потърсят тази асоциация, с помощта на Google Maps и изкуствен интелект.

Изследването се основава на използването на a конволюционна невронна мрежа (CNN); т.е. вид изкуствен интелект, който използва дълбоко обучение, за да независимо идентифициране на определени модели в набор от данни.

В този случай целта на този модел беше намиране на модели, свързани със затлъстяването, в сателитни снимки на американски градове с известното приложение на Google.

Първата стъпка в развитието на CNN беше въвеждане на 1,2 милиона изображения, които бяха свързани с данни за разпространението на затлъстяването, взето от проекта за 500 града, принадлежащ на Център за контрол и превенция на заболяванията. По този начин невронната мрежа се научи да свързва и двата фактора, като по-късно можеше да предскаже асоциацията.

След това тестваха модела на 1695 секции, принадлежащи на шест града в САЩ: Белвю, Сиатъл, Такома, Лос Анджелис, Мемфис и Сан Антонио. Те избраха тези, а не други, защото принадлежаха на две от държавите с по-голямо разпространение на затлъстяването (Тенеси и Тексас) и двама от тези, които имат един по-ниско разпространение (Вашингтон и Калифорния).

Моделът анализира специфични точки от изградената среда, които могат да бъдат свързани с преобладаването на затлъстяването, като например наличието на фитнес зали, спа центрове, ресторанти, пекарни, супермаркети или алеи за боулинг. Освен това той се съсредоточи върху съществуването или не на зелени площи и паркове наблизо, тъй като това би могло да насърчи хората, които живеят в района, да го правят упражнения на открито.

И накрая, всички тези характеристики на изградената среда обясни 64,8% от вариацията в разпространението на затлъстяването в анализираните области.

Други данни, представляващи интерес

Моделът открива и определена връзка със социално-икономическото ниво на всяка област. По-конкретно, в области с по-голям брой доход на глава от населението оценките на разпространението на затлъстяването, коригирани спрямо възрастта, бяха нисък.

Това е лесно обяснимо, тъй като човек, чиито доходи едва са достатъчни за живот, нито мисли да харчи пари всеки месец във фитнес зала, колкото и близо да живея до него. Така или иначе, това няма да ви попречи да отидете да бягате или да правите някакъв друг вид упражнения у дома. Следователно следващата стъпка за тези учени ще бъде съсредоточете се върху влиянието на този тип фактори, по-дълбоко.

Ясно е, че хората, които живеят в зелени и открити площи имат по-лесно време да се упражняват, докато тези, които живеят в гъсто населени райони без растителност те често водят по-заседнал и зает живот, което им пречи да спортуват, освен ако не платят за фитнес.

Всичко това можеше да се усети. С този модел обаче е възможно да се установи кои са повечето проблемни области, за да насочите конкретно към по-голям брой мерки за информация и превенция. Изглежда, че Google Maps е инструмент, който има много приложения за изследване.