靠人工智能來監測肥胖？專家：肥胖率與區域建築環境特徵相關
2018年09月06日 16:46
你可曾想過你所處的建築環境能預示著你的肥胖概率？近日，兩位來自美國華盛頓大學西雅圖分校的研究人員發現我們所居住的建築環境與區域內的肥胖率有很大的關聯；這些環境特征可與其他數據結合使用，從而能監測到地區的肥胖患病率。
據了解，此項目於2017年2月14日至10月31日進行，研究人員提出了一種利用卷積神經網絡（CNN）評估承認肥胖患病率與區域建築環境之間關係的方法。卷積神經網絡是一種深度學習方法，該研究所使用的卷積神經網絡經過預先訓練，能捕捉區域環境的特點，如綠化、土地等自然特征和道路、房屋等建築特征。具體而言，一個區域建築環境的特征如土地使用情況，公園、寵物店、健身房與快餐店的分佈，公共交通情況和綠地面積等都與當地的成人肥胖有關。
眾所周知，全球近三分之一的人口都有超重或肥胖的問題。據2017年6月一篇發表在《新英格蘭醫學雜誌》中的大規模全球研究項目指出，全球有超20億兒童和成年人患有超重或肥胖相關的健康問題，佔到全球人口的30%；肥胖問題導致糖尿病和心臟病的發病率急劇上升，越來越多的人都因此死亡。
同時，研究者嘗試對建築環境特征數據與肥胖患病率之間的顯著關聯給出解釋，他們認為該關聯不一定是因果關係，社會經濟指標也有可能是這一關聯背後的重點影響因素。以洛杉磯和聖安東尼奧等城市而言，肥胖患病率與建築環境特征之間的大部分重要關聯可能可以通過社會經濟狀況的突變來解釋，也就是說，社會經濟指標並非解釋建築環境特征與肥胖率之間關係的唯一因素。
研究人員還指出，他們的方法不僅可以幫助專家評估不同城市的肥胖風險外，與昂貴且耗時的現時訪問或社區調查方法相比，該研究也為建築環境的測量提供更為客觀的方法，大大降低統計成本。
