Alcuni problemi di salute pubblica sono così grandi che possono essere visti dallo spazio. Nel nuovo lavoro, gli scienziati hanno utilizzato un metodo di apprendimento profondo delle reti neurali per analizzare i dati satellitari di quattro aree residenziali negli Stati Uniti. Si è scoperto che sulla base di dati sull’ambiente urbano, sia naturale che artificiale, come la presenza di parchi, l’ubicazione di strade, attraversamenti pedonali, una varietà di tipi di case e così via.

La fonte dei dati sono le fotografie di 1.695 microdistretti di Los Angeles, Memphis, San Antonio e Seattle dal servizio Google Maps, circa 150.000 immagini in totale. Da queste immagini la rete neurale ha estratto i dati sulla distribuzione della vegetazione, la posizione delle strade e la presenza delle abitazioni. Quindi un altro algoritmo ha confrontato le informazioni ricevute con il livello di obesità della popolazione locale.

Di conseguenza, i creatori della rete neurale sono stati in grado di stimare il numero di persone obese in modo ancora più accurato di quanto si potesse fare in base al numero di palestre e ristoranti nell’area studiata. Sono stati anche in grado di trovare una relazione tra i parametri di layout e il reddito pro capite.

Queste informazioni possono essere utili agli urbanisti e agli architetti della città per inserire in modo efficace annunci di servizio pubblico su uno stile di vita sano o trovare i luoghi più adatti per i negozi di alimenti naturali. Tali metodi di valutazione non possono sostituire quelli tradizionali come i sondaggi sulla popolazione, ma possono integrarli senza richiedere costi elevati.