Искусственный интеллект "увидит ожирение" из космоса

Новый инструмент поможет анализировать связь городской среды и распространения ожирения среди населения.
Фото geric10/pixabay.com.

Некоторые проблемы общественного здравоохранения настолько масштабны, что их можно разглядеть даже из космоса. Одна из них – угрожающе быстрое распространение ожирения.

Эта болезнь, как известно, обусловлена рядом факторов, в том числе и внешних. Важную роль играет, к примеру, окружающая среда и инфраструктура района, в котором проживает человек (как оказалось, ожирение даже может быть "социально заразно").

Исследователи из Вашингтонского университета решили создать инструмент, который помогал бы анализировать связь городской среды и распространённости ожирения среди населения, а также оценивать возможные риски для людей. Об этом сообщает журнал Science.

Специалисты уверены, что такая задача вполне под силу искусственному интеллекту. Поэтому они создали алгоритм, который использует для работы спутниковые снимки высокого разрешения. При этом фото отдельных людей с избыточным весом ему не требуются.

Авторы поясняют, что разработали свёрточную нейронную сеть: это технология глубокого обучения, нацеленная на эффективное распознавание изображений.

Нейросеть заранее обучили проводить анализ объектов на изображениях (для "тренировки" использовались 1,2 миллиона снимков). Алгоритм научился различать постройки, дороги, зелёные зоны, то есть всю инфраструктуру изучаемого района.

Также специалисты использовали данные проекта "500 городов" (500 Cities), чтобы создать модель для оценки степени распространённости ожирения. Она учитывает "точки интереса" – заправочные станции, торговые центры, парки, зоомагазины и так далее. По ней можно судить о том, где и как часто бывают люди и как факторы городской среды связаны с ожирением населения.

Затем в нейросеть загрузили 150 тысяч снимков, полученных из картографического сервиса Google Maps. Данные охватывали 1695 участков (в основном кварталов) в шести различных городах США.

Результаты показали, что особенности городской среды объясняют в среднем 64,8% случаев распространения ожирения в изученных районах. Возможно, эффективность анализа повысится, если нейросеть будет учитывать ещё и наличие конкретных объектов, например, спортивных центров и фитнес-клубов, а также точек продажи фастфуда.

Отмечается, что это первый инструмент, который позволяет в режиме реального времени и в масштабе целого населённого пункта оценить риски распространения ожирения среди людей.

Эксперты добавляют, что ещё одним важным внешним фактором риска считается уровень дохода. Аналогичные исследования для выявления уровня бедности по спутниковым изображениям – ещё одно перспективное направление, и оно также будет развиваться.

В целом новая работа подтверждает мнение о том, что в районах, где много зелёных зон, а также открытой местности для прогулок и занятий спортом, уровень ожирения ниже, чем в районах с "плотной" застройкой с множеством дорог, где отсутствуют парки и скверы.

Новые данные пригодятся для проведения кампаний, связанных с пропагандой здорового питания и образа жизни, а также для городских властей и строительных компаний.

Учёные уверены, что окружающая среда во многом определяет здоровье населения. Яркий тому пример – недавняя работа, показавшая, что у людей, которые постоянно дышат загрязнённым воздухом, снижаются когнитивные способности. Поэтому в будущем такого рода анализ может стать неотъемлемой частью масштабных исследований, связанных с распространением многих болезней, заключают эксперты.

Более подробно об этой работе и её итогах рассказывается в статье, опубликованной в издании JAMA Network Open.

Напомним, что ранее авторы проекта "Вести.Наука" (nauka.vesti.ru) рассказывали о другом внешнем факторе, который связан с развитием ожирения, в особенности среди детей.

Между тем возможности искусственного интеллекта в сфере здравоохранения растут. Так, нейросети учатся прогнозировать побочные эффекты от приёма нескольких лекарств, определять риск развития опасных заболеваний до появления симптомов и даже оценивать риск смерти пациента.

Сегодня