Expertos estiman tras un programa de inteligencia artificial el grado de obesidad de los habitantes de seis ciudades de EE.UU. mediante fotografías de satélites de entornos naturales y modificados por el hombre.
El trabajo fue publicado en la revista JAMA Network Open.
El estudio utilizó el método de redes neuronales convolucionales, un enfoque de aprendizaje profundo, para examinar 150.000 imágenes satelitales de entornos urbanos, tanto naturales como artificiales (parques, carreteras, pasos de peatones, viviendas, etc.) de cuatro áreas urbanas del país: Los Ángeles (California); Memphis (Tennessee); San Antonio (Texas); y Seattle (Washington).
La red neuronal gracias a estas imágenes, extrajo los datos sobre la distribución de la vegetación, la posición de las carreteras y la disponibilidad de casas. Y luego otro algoritmo comparó la información obtenida con el nivel de obesidad de la población local.
El análisis fue capaz de estimar el número de personas con obesidad con mayor precisión que a partir del número de gimnasios y restaurantes de una zona concreta. Asimismo, se halló una conexión entre la planificación urbanística y la renta per cápita.
Los investigadores asumen que los resultados de este estudio pueden ser útiles para las intervenciones a nivel de barrio a fin de instalar de manera más eficiente publicidad sobre un estilo de vida saludable o determinar los lugares más adecuados para las tiendas de alimentos sanos.
Combinado con intervenciones a nivel individual, podría frenar la epidemia de obesidad.
El estudio de The Global Burden of Disease calculaba en el año 2015 que más de un tercio de la población adulta de EE.UU. era obesa y que más de 603 millones de adultos de todo el mundo tenían graves problemas con el peso.
RT
Obesidad: Ya se ve desde el espacio
