nuit-image-satellite-ai-obésité

Une nouvelle IA peut déterminer quels éléments de l’environnement construit par l’humain peuvent influencer le taux d’obésité dans une ville.

Avec les progrès des dernières années, la portée de l’IA est devenue incontestable: à mesure que les machines deviennent de plus en plus intelligentes, les tâches considérées comme nécessitant de l’intelligence sont souvent assignées aux ordinateurs formés pour extraire des données très utiles pour l’humain, et ce, en produisant des résultats plus rapidement et plus précis que ce qu’un humain pourrait accomplir.

L’obésité analysée par l’IA

C’est à partir de cette constatation que des chercheurs ont utilisé l’intelligence artificielle pour chercher à comprendre si certaines variables au niveau de l’urbanisme pouvaient contribuer à l’augmentation de l’obésité dans la population. Pour cette étude, ils ont utilisé des images satellitaires.

Environ 40% des adultes américains sont obèses, définis comme ayant un indice de masse corporelle (IMC) supérieur à 30. Mais l’obésité n’est pas répartie de manière égale dans ce pays. Certaines villes et certains États ont beaucoup plus de résidents obèses que d’autres.

Pourquoi? La génétique, le stress, les niveaux de revenu et l’accès à des aliments sains jouent un rôle. Mais de plus en plus de chercheurs étudient l’urbanisation – nos villes – pour comprendre pourquoi les gens sont plus gros dans certains endroits que dans d’autres.

De nouvelles recherches de l’Université de Washington tentent de faire avancer cette approche en utilisant des données satellitaires pour examiner les paysages urbains. En utilisant les images satellites en conjonction avec les données sur l’obésité, ils espèrent découvrir quelles caractéristiques urbaines pourraient influencer le taux d’obésité dans une ville.

Une analyse de 150 000 images

Les chercheurs ont utilisé un réseau d’apprentissage en profondeur pour analyser environ 150 000 images satellites haute résolution de quatre villes: Los Angeles, Memphis, San Antonio et Seattle. Les villes ont été sélectionnées pour être originaires d’États présentant à la fois des taux d’obésité élevés (Texas et Tennessee) et des taux d’obésité faibles (Californie et Washington).

Le réseau a extrait les caractéristiques de l’environnement bâti: les passages pour piétons, les parcs, les gymnases, les arrêts de bus, les restaurants de restauration rapide, tout ce qui peut être pertinent pour la santé.

«S’il n’y a pas de trottoir, vous risquez moins de marcher», explique Elaine Nsoesie, professeur de santé mondiale à l’Université de Washington.

L’algorithme de l’équipe pouvait alors voir quelles caractéristiques étaient plus ou moins courantes dans les zones où les taux d’obésité étaient de plus en plus faibles. Certaines constatations étaient prévisibles: davantage de parcs, de gymnases et d’espaces verts étaient associés à des taux d’obésité plus faibles.

Un simple algorithme n’est pas suffisant pour comprendre ce phénomène

D’autres étaient surprenants: un plus grand nombre de magasins d’animaux équivaut à des résidents plus minces («une forte densité de magasins pour animaux de compagnie pourrait indiquer que les animaux fréquentent les parcs et les résidents font des promenades dans leur quartier avec leurs animaux»).

Il est difficile de démêler certaines caractéristiques urbaines du statut socioéconomique des personnes qui vivent près d’elles – les personnes les plus riches sont plus susceptibles de vivre près des parcs, mais est-ce que ce sont les parcs qui les rendent moins susceptibles d’être obèses? L’accès à des aliments plus sains et avoir plus de temps libre pour cuisiner; cela a-t-il une réelle influence ? Il faut plus qu’un simple algorithme pour répondre à ces questions.

«Cette étude pointe comment les mégadonnées et l’apprentissage automatique peuvent être intégrés dans une recherche clinique », a écrit Benjamin Goldstein, David Carlson et Nrupen Bhavsar, de l’Université Duke, dans un commentaire, concernant cette étude.

Cependant, ils avertissent que «cela ne signifie pas que l’analyse seule peut fournir toutes les réponses. Au fond, ces techniques analytiques ne font que pointer vers des probabilités, et leur donner un sens nécessitant une connaissance approfondie de la matière. »

L’équipe de l’Université de Washington a travaillé par le passé sur d’autres projets utilisant des données satellitaires pour prévoir les résultats en matière de santé. Un projet consistait à examiner le nombre de voitures dans les parcs de stationnement des hôpitaux pendant la saison de la grippe pour prévoir le début des éclosions. Ils espèrent que ce nouveau projet aura des applications au-delà de l’obésité.

«Nous espérons que cela sera utile pour les personnes qui étudient les villes et sa relation avec l’obésité, mais aussi avec d’autres maladies chroniques», explique Nsoesie.

L’obésité peut mener à plusieurs maladies

Outre l’obésité, un certain nombre de maladies chroniques sont associées à un manque d’activité et à une mauvaise alimentation, notamment à certains cancers, à des maladies cardiaques et au diabète. Ils prévoient également d’examiner les données de manière longitudinale – à mesure que les villes modifient leurs caractéristiques, les taux d’obésité évoluent-ils parallèlement?

«Nous espérons que cela sera utile aux urbanistes», déclare Nsoesie. « Nous pouvons réfléchir à la manière dont nous concevons les quartiers pour encourager les gens à faire de l’exercice. »

Les résultats du projet sont appuyés par d’autres recherches sur les effets de l’urbanisation sur l’obésité. James Sallis, un expert des villes et de la santé publique à l’Université de Californie à San Diego, a déclaré que le potentiel piétonnier d’une ville est bien connu pour être associé à des taux d’obésité plus faibles.

La conception de nos villes favorise l’obésité

La possibilité de marcher est le produit de nombreux éléments de conception de nos villes, y compris les rues reliées (par opposition aux impasses ou aux culs-de-sac), les trottoirs et les passages pour piétons et leurs destinations. Malheureusement il est souvent plus difficile de faire des changements appropriés en raison des lois de zonage qui favorisent les voitures par rapport aux piétons.

«Nous savons quoi faire», explique-t-il. « Mais ce que nous devons faire est très différent de ce que nous faisons depuis cinq ou six décennies. »

Un article sur les résultats de cette étude a récemment été publié dans la revue JAMA Network Open.

Source : Smithsonian