一些公共衛生問題是如此嚴重，以至于你能從太空看見它們。一項最新研究顯示，人工智能可利用衛星圖像估測一個地區的肥胖水平，甚至無須看見超重人群。相反，它依賴于諸如建筑物和樹木的分布等線索。

知道某個街區超重成年人的比例能幫助采取更有針對性的干預措施，比如健康飲食活動。不過，收集此類統計數據往往需要廣泛的調查或者實地探訪。

為尋找更好的辦法，研究人員下載了4個城市的普查區(基本上是街區)的近15萬幅谷歌地圖衛星圖像。這4個城市分別是美國加州的洛杉磯、田納西州的孟菲斯、得克薩斯州的圣安東尼奧以及華盛頓州的西雅圖。隨后，他們將這些圖像輸入一個神經網絡—— 一種在大量數據中發現模式的算法。該網絡幫助研究人員聚焦這些圖像的最重要特征，比如綠色地區(對應的是樹木和草地)、灰色條塊(對應的是道路)或者白色矩形(對應的是建筑物)的數量。隨后，該團隊利用另一種算法，尋找這些滿是滴狀斑點的視覺特征和肥胖率之間的關聯。

最終，和單獨利用諸如體育館和餐館數量等可獲得的統計數據相比，研究人員利用上述辦法能更好地估測出一個地區的肥胖率。他們在日前出版的《美國醫學會雜志網絡開放》上報告了這一成果。街區特征還同人均收入相對應，表明它們或能被用于估測肥胖。部分原因在于財富影響一個人的體重和生活區域。

論文提出，評估一個地區的肥胖率或能幫助城市規劃者決定需要鼓勵哪些人更加積極地參與鍛煉或者在哪些地方讓健康的餐飲店變得更加流行。盡管衛星數據無法完全替代諸如調查等更加傳統的公共衛生措施，但作為一種補充，其成本更低并且更快速。