Eine neue Studie wirft ein überraschendes Licht auf den Einfluss unserer Städte auf die Herzgesundheit.
Forscher der Case Western Reserve University haben einen innovativen Ansatz gewählt, um den Zusammenhang zwischen der bebauten Umgebung und der Prävalenz von koronaren Herzkrankheiten (KHK) zu untersuchen. Indem sie künstliche Intelligenz (KI) nutzten, um Millionen von Google Street View Bildern zu analysieren, haben sie wichtige Erkenntnisse gewonnen, die weit über die bisherigen Modelle, die sich auf demografische Daten stützten, hinausgehen.
Die aus den Bildern extrahierten Merkmale verbesserten ein Modell signifikant, das bisher Alter, Geschlecht, ethnische Zugehörigkeit, Einkommen und Bildungsniveau berücksichtigte, und ermöglichten es, 63 % der Unterschiede in der KHK-Häufigkeit zwischen verschiedenen Stadtvierteln zu erklären. Insbesondere die Analyse von rund einer halben Million Bilder aus Städten wie Detroit, Cleveland und Denver zeigte, dass Umweltmerkmale wie baufällige Gebäude und Straßenschäden mit einem höheren Risiko für Herzkrankheiten verbunden sind, während Straßenbegrünung das Risiko zu verringern scheint.
Zur Extraktion der Umgebungsinformationen setzten die Forscher auf das vortrainierte Deep Convolutional Neural Network „Places365 CNN“ und nutzten die Technik des Gradient-Weighted Class Activation Mapping (Grad-CAM), um die spezifischen Umweltmerkmale zu identifizieren, die mit einem erhöhten oder verringerten KHK-Risiko in Verbindung stehen.
Die Studie weist jedoch auch Einschränkungen auf, darunter den Fokus der Street View Bilder auf Hauptstraßen, die begrenzte Fähigkeit der KI-Modelle, Details und Objekte zu erkennen, und die Tatsache, dass nur Daten aus sieben US-Städten analysiert wurden, was die Verallgemeinerung der Ergebnisse einschränken könnte.