Umjetna inteligencija procijenila je stupanj pretilosti stanovnika određenih područja Sjedinjenih Država koristeći satelitske fotografije. Da bi se to dogodilo, algoritam nije koristio slike pojedinaca, već druge podatke, poput raspodjele zgrada i stabala na tom području. Rezultati rada predstavljeni su u časopisu JAMA Network Open.
Neki javnozdravstveni problemi toliko su veliki da se mogu vidjeti iz svemira. U novom su radu znanstvenici koristili učenje duboke neuronske mreže kako bi analizirali satelitske podatke iz četiri stambena područja u Sjedinjenim Državama. Da bismo to učinili, koristili smo podatke o gradskom okruženju, prirodnom i umjetnom: prisutnosti parkova, lokacije cesta, pješačkih prijelaza, raznih vrsta kuća i tako dalje.
Izvor podataka bile su fotografije 1.695 četvrti u Los Angelesu, Memphisu, San Antoniju i Seattlu s usluge Google Maps - ukupno oko 150.000 slika. Iz tih je slika neuronska mreža izvukla podatke o rasprostranjenosti vegetacije, položaju cesta i prisutnosti kuća. Zatim je drugi algoritam uporedio dobivene informacije sa stopom pretilosti u lokalnom stanovništvu.
Kao rezultat toga, tvorci neuronske mreže uspjeli su procijeniti broj pretilih ljudi čak i preciznije nego što se to moglo učiniti na temelju broja teretana i restorana u istraživanom području. Oni su također uspjeli pronaći vezu između parametara planiranja i dohotka po glavi stanovnika.