肥胖原因不單純
作為健康議題，肥胖有著很複雜的成因，基因、飲食、運動、社經地位都和它脫不了關係，現在，兩名來自華盛頓大學的研究者決定要從城市發展的角度來切入這個議題。
擅於圖像辨識的人工智慧
兩人使用了擅於圖像辨識的人工智慧「卷積式類神經網絡」(Convolutional Neural Network, CNN)來分析，事前已經用 120萬張圖像訓練該人工智慧。在進行研究時，他們匯入了貝爾維尤(Bellevue)、西雅圖(Seattle)、塔科馬市(Tacoma)、洛杉磯(Los Angeles)、曼菲斯(Memphis)、聖安東尼奧(San Antonio) 6個城市共 15萬張衛星照片與Google街景圖。
標出96個興趣點
除此之外，研究者還在這 6個城市標出 96種興趣點(points of interest, POI，編註)。最後結合各城市的肥胖率，要看看一個城市的發展和肥胖有沒有關連。
編註：興趣點是指地圖上的某個地標。這可能是你想要去的特定地點、一家店、一個景點，也可能是地圖上一定範圍內，所有的特定店家(如加油站、飲料店、文具店等)。
結果不意外
以結果來說，他們最主要的發現並沒有那麼讓人意外——鄰里密度低、綠地多的地方，人們的健康狀況比較好，反之亦然——畢竟這直接影響了人們有沒有更多機會和空間去活動筋骨。至於從POI的角度來分析，則比較難看到POI和健康、運動之間的關連。
重點在證明有用
研究中坦承，因為他們未能排除收入等因素，所以可能導致演算法出現偏誤。不過他們提到，這次研究證實了人工智慧CNN確實可以更省時間、財力的方式，來全面調查城市發展和肥胖之間的關係。
個人和社區一起介入
一旦得到這樣的資訊，他們相信，未來有關單位在擬定與肥胖有關的健康政策時，除了顧及到個人層面的介入，也可以把社區規劃納入考量，像是增建有關身體活動的設施、增加前往健康食品店的便利性等等促進健康生活的方式。
接下來針對種族和財富
兩人也在報告中指出，他們接下來的研究將會聚焦在種族分布、社經地位與肥胖、健康狀況的關係。過去就有研究發現低社經地位社區的運動設備比較少，而這樣的情況和肥胖有關連。另外兩份針對非裔美國人、下層階級進行的分析則在安全性、身體活動、肥胖之間發現了強烈的關連，在城市地區尤其如此。
不能過度詮釋 但很有幫助
對於透過人工智慧來分析社區的健康狀況，杜克大學的生物統計師戈德斯坦(Benjamin A. Goldstein)評論到：「必須注意的是，研究裡不能過度詮釋得到的結果。」
「話雖然這麼說......社區環境也許會成為健康結果中，一個有價值的指標......進一步來說，機器學習很有可能成為另一種發現疾病關連性的方法——甚至可能(讓我們)注意到以前從來沒有懷疑過的事物。」