Αυτό ακριβώς έκαναν -στις ΗΠΑ, όχι στην Ελλάδα- ευφάνταστοι ερευνητές, ανοίγοντας έτσι ένα νέο δρόμο -πολύ φθηνότερο σε σχέση με τις επιτόπιες στατιστικές έρευνες- για τη διαστημική μελέτη των προβλημάτων δημόσιας υγείας.
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 ποιά 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).
Οι ερευνητές χρησιμοποίησαν μετά ένα άλλο πρόγραμμα τεχνητής νοημοσύνης, που ανακάλυψε συσχετίσεις ανάμεσα στα συγκεκριμένα χαρακτηριστικά των εικόνων και στα κατά τόπους ποσοστά παχυσαρκίας. Τελικά, οι επιστήμονες, που έκαναν τη σχετική δημοσίευση στο αμερικανικό ιατρικό περιοδικό “JAMA Network Open”, σύμφωνα με το “Science”, ήσαν σε θέση να κάνουν μια εκτίμηση για το ποσοστό παχυσαρκίας σε κάθε γειτονιά και να συγκρίνουν ανάμεσα στις γειτονιές.
