Huib Stam
Word lid

Fijn dat je Foodlog leest! Dit artikel is gratis. Wil je dat wij kunnen blijven bestaan? Steun ons dan en word lid. Dat kan al vanaf €5,- per maand.


Gebruikmakend van de AI-techniek (convolutional neural networks) en een zelflerend algoritme vergeleken de onderzoekers visuele kenmerken van de woonomgeving van vier Noord-Amerikaanse steden (Los Angeles, Memphis, San Antonio, en Seattle) met gegevens over het voorkomen van obesitas onder de bewoners van die steden.

Het onderzoek had geen ander doel dan aan te tonen dat deze deep learning-techniek toegepast kan worden om kenmerken van de infrastructuur, zoals het aanwezig zijn van supermarkten, restaurants, fietspaden en parken, in verband te brengen met gezondheidsindicatoren zoals obesitascijfers.

Een voorbeeld: als er een dierenwinkel wordt gespot, kan dat betekenen dat er vaak met honden gewandeld wordt. Volgens de onderzoekers zou dit soort kennis kunnen helpen bij het op strategische plekken uitrollen van gezondheidscampagnes of het plannen van nieuwbouw.

De techniek is veelbelovend, schrijft De Morgen. Zo kan het algoritme ook andere big data aan, zoals de foto’s van gerechten die bewoners op Instagram posten.

Wat het in Nederland en België kan betekenen? Straks voorspelt de jaarlijks te publiceren mayonaise-curve voor fastfoodrestaurants het gemiddelde gewicht van bewoners in een wijk. Steden zullen met elkaar strijden om de gunstigste curve waarmee de voortgang van het aanstaande Preventieakkoord gemonitord gaat worden.
Dit artikel afdrukken