事实上，全球近三分之一的人口有超重或肥胖的困扰。2017年6月，一篇发表在《新英格兰医学杂志》中的大规模全球研究项目指出全球有超过20亿儿童和成年人患有超重或肥胖相关的健康问题，占到全球人口的30％。肥胖问题导致糖尿病和心脏病的发病率急剧上升，越来越多的人因此死亡。

这一高肥胖率是由许多复杂因素造成的，例如遗传因素和饮食结构等。而本文的研究者认为，区域内的建筑环境也日益成为其中重要的影响因素，它可以通过资源的可用性来影响健康，例如住房，活动和娱乐空间等。

研究者尝试对建筑环境特征数据与肥胖患病率之间的显著关联给出解释。他们认为，该关联不一定是因果关系，社会经济指标可能是这一关联背后的重要影响因素。其观察结果表明，对于洛杉矶和圣安东尼奥等城市而言，肥胖患病率与建筑环境特征之间的大部分重要关联可能可以通过社会经济状况的变化来解释。但他们同时提到，卷积神经网络所识别的特征可能会捕获与社会经济指标无直接关联的其他信息，也就是说，社会经济指标并非解释建筑环境特征与肥胖率之间关系的唯一因素。

研究人员还称，他们的方法帮助专家评估不同城市的肥胖风险。此外，与昂贵且耗时的现场访问或社区调查方法相比，该研究为建筑环境的测量提供了更为客观的方法，也大大降低了统计成本。

美国杜克大学的Benjamin A. Goldstein博士等人肯定了两位研究者利用深度学习方法发现建筑环境特征的贡献。但他们强调“不要过度解释任何结果”，“深度学习方法与学科知识结合可以增加发现复杂关系的机会，但这并不意味着单独的大数据分析可以提供所有的答案”。

这一研究也存在一定的局限性。文章提到，人口普查中的肥胖率数据来自居民自我报告的身高和体重，由于社会对肥胖人士的偏见，统计过程中该数据会倾向于被低估。

此研究于2017年2月14日至10月31日进行，由美国华盛顿大学西雅图分校的Adyasha Maharana硕士 和Elaine OkanyeneNsoesie博士共同完成。其成果发布于2018年8月31日。

相关报道: