Altri passi da gigante sullo sviluppo dell’Intelligenza Artificiale. Con Google Maps puoi capire se sei a rischio infarto. Lo studio.
L’era contrassegnata dalla corsa all’Intelligenza Artificiale migliore, senza freni. Funzionalità figlie di AI generativa negli smartphone (già a giugno completerà l’opera perfino Apple, quella attualmente più indietro), AI negli elettrodomestici. AI in qualunque dispositivo.
AI ovunque. E se ChatGPT, Google Bard, Copilot, e chi più ne ha più ne metta, sorprendono ogni giorno di più per i loro rispettivi miglioramenti, da un lato preoccupano, dall’altro affascinano per un potenziale spaventoso.
L’ultima conferma arriva da una ricerca di Google finita sull’European Heart Journal. Incredibile davvero come si può scandagliare in lungo e in largo il nostro pianeta per capire dove ci sono tassi più alti di malattie coronarie, prevedendo in un certo qual modo il rischio infarto, con una percentuale più o meno alta di credibilità.
Google Street View e la prevalenza della malattia coronarica associata a fattori ambientali
Questo studio trasversale che ha catturato l’attenzione di tutti a livello globale, ha utilizzato caratteristiche estratte dalle immagini di Google Street View per misurare l’ambiente costruito e collegarle alla prevalenza della malattia coronarica. Reti neurali convoluzionali, modelli lineari a effetti misti e mappe di attivazione sono stati utilizzati per prevedere gli esiti sanitari e identificare associazioni di caratteristiche con CHD a livello di tratto di censimento.
Lo studio ha ottenuto 0,53 milioni di immagini GSV (Google Street View) che coprono 789 tratti di censimento in sette città degli Stati Uniti: Cleveland, Fremont, Kansas City, Detroit, Bellevue, Brownsville, e Denver. Ebbene le caratteristiche dell’ambiente costruito estratte da Google Street View hanno previsto il 63% della variazione del tratto censimento nella prevalenza di CHD (coronary heart disease, ossia malattie alle coronarie). Un’AI che ha migliorato ulteriormente un modello che finora includeva solo età, sesso, razza, reddito e istruzione a livello di tratto di censimento o indici compositi di determinanti sociali della salute.
Le mappe di attivazione delle caratteristiche hanno rivelato una serie di peculiarità del quartiere, rappresentate da edifici e strade, associate alla prevalenza di CHD. In questo studio, la prevalenza della malattia coronarica è stata associata a fattori dell’ambiente costruito derivati dal GSV attraverso l’analisi del deep learning. Indipendentemente dai dati demografici del tratto censimento. La valutazione dell’ambiente potrebbe, sempre questo report, potenzialmente offrire un approccio più preciso per identificare i quartieri a rischio infarto. Fornendo così una strada efficiente per affrontare e ridurre le disparità di salute cardiovascolare negli ambienti urbani. Avanti così, nel segno dell’AI.
