Μια πρωτότυπη και λιγότερο κοστοβόρα πρακτική για τη μελέτη του προβλήματος της παχυσαρκίας από… το διάστημα επινόησαν επιστήμονες από τις ΗΠΑ,  αξιοποιώντας ένα σύστημα τεχνητής νοημοσύνης σε συνδυασμό με δορυφορικές εικόνες από τους χάρτες της Google.

Οι ερευνητές δημοσίευσαν η μελέτη τους στο αμερικανικό ιατρικό περιοδικό «JAMA Network Open».

Οι δορυφορικές εικόνες του Google Maps αποκαλύπτουν μια σειρά από στοιχεία, όπως την κατανομή των κτιρίων και των δέντρων στο χώρο, την έκταση των χώρων πρασίνου και των δρόμων, την αναλογία μεταξύ της δομημένης και της ελεύθερης για πάσης φύσης δράσεις έκτασης κ.α.

Οι ερευνητές ανέπτυξαν έναν αλγόριθμο που μπορεί να συσχετίσει αυτά τα στοιχεία με τα ποσοστά παχυσαρκίας σε μια γειτονιά, κάνοντας έτσι από αέρος συγκρίσεις ανάμεσα στις γειτονιές μιας πόλης. Όπως είπαν, με τον τρόπο αυτό θα διευκολύνονται οι αρμόδιες αρχές να κάνουν πιο στοχευμένες παρεμβάσεις κατά της παχυσαρκίας, π.χ. μέσα από καμπάνιες για την προώθηση της υγιεινής διατροφής.

Οι ερευνητές «κατέβασαν» από το Google Maps περίπου 150.000 δορυφορικές εικόνες, που αφορούσαν διάφορες γειτονιές σε τέσσερις μεγάλες αμερικανικές πόλεις. Στη συνέχεια, τροφοδότησαν αυτές τις εικόνες σε ένα υπολογιστικό νευρωνικό δίκτυο, ικανό να «ξετρυπώνει» μοτίβα και πρότυπα σε μεγάλους όγκους δεδομένων.

Ο υπολογιστής βοήθησε τους επιστήμονες να βρουν ποια είναι τα σημαντικότερα χαρακτηριστικά στις δορυφορικές εικόνες, όσον αφορά τη σχέση τους με την παχυσαρκία (π.χ. οι μεγάλοι χώροι πρασίνου ευνοούν τη σωματική άσκηση, άρα μειώνουν την πιθανότητα παχυσαρκίας).

Χρησιμοποιώντας στη συνέχεια ένα άλλο πρόγραμμα τεχνητής νοημοσύνης -έχοντας κατά νου τις εικόνες που αντιστοιχούσαν σε συγκεκριμένες γεωγραφικές περιοχές- οι ερευνητές συσχέτισαν τις εικόνες-τόπους με τα ποσοστά παχυσαρκίας στις περιοχές-πόλεις προς μελέτη.

Από τις δοκιμές της νέας μεθόδου προέκυψε ότι η συνδυαστική αξιοποίηση των ερευνητικών δεδομένων και της τεχνητής νοημοσύνης είναι πιο αποτελεσματική από την αποκλειστική χρήση στατιστικών στοιχείων. Βεβαίως, οι ειδικοί επισημαίνουν ότι, το νέο ερευνητικό εργαλείο δεν πρόκειται να αντικαταστήσει τις «παραδοσιακές» μεθόδους μελέτης, αλλά να τις ενισχύσει.