靠人工智能来监测肥胖？专家：肥胖率与区域建筑环境特徵相关
2018年09月06日 16:46
你可曾想过你所处的建筑环境能预示着你的肥胖概率？近日，两位来自美国华盛顿大学西雅图分校的研究人员发现我们所居住的建筑环境与区域内的肥胖率有很大的关联；这些环境特征可与其他数据结合使用，从而能监测到地区的肥胖患病率。
据了解，此项目於2017年2月14日至10月31日进行，研究人员提出了一种利用卷积神经网络（CNN）评估承认肥胖患病率与区域建筑环境之间关系的方法。卷积神经网络是一种深度学习方法，该研究所使用的卷积神经网络经过预先训练，能捕捉区域环境的特点，如绿化丶土地等自然特征和道路丶房屋等建筑特征。具体而言，一个区域建筑环境的特征如土地使用情况，公园丶宠物店丶健身房与快餐店的分布，公共交通情况和绿地面积等都与当地的成人肥胖有关。
众所周知，全球近三分之一的人口都有超重或肥胖的问题。据2017年6月一篇发表在《新英格兰医学杂志》中的大规模全球研究项目指出，全球有超20亿儿童和成年人患有超重或肥胖相关的健康问题，占到全球人口的30%；肥胖问题导致糖尿病和心脏病的发病率急剧上升，越来越多的人都因此死亡。
同时，研究者尝试对建筑环境特征数据与肥胖患病率之间的显着关联给出解释，他们认为该关联不一定是因果关系，社会经济指标也有可能是这一关联背後的重点影响因素。以洛杉矶和圣安东尼奥等城市而言，肥胖患病率与建筑环境特征之间的大部分重要关联可能可以通过社会经济状况的突变来解释，也就是说，社会经济指标并非解释建筑环境特征与肥胖率之间关系的唯一因素。
研究人员还指出，他们的方法不仅可以帮助专家评估不同城市的肥胖风险外，与昂贵且耗时的现时访问或社区调查方法相比，该研究也为建筑环境的测量提供更为客观的方法，大大降低统计成本。
