AIを活用した構築環境画像分析と米国都市における近隣の肥満
カテゴリ：公衆衛生・予防医療
公開日：2026年2月19日
タイトル：AI-Enhanced Analysis of Built Environment Imagery and Neighborhood Obesity in US Cities
雑誌名：JAMA Netw Open. 2025 Sep 02; 8(9): e2534612.
概 要：
この研究は、都市部における肥満の有病率を評価するために、人工知能（AI）を用いた構築環境の分析が、従来の人口統計学的および社会的要因を超えて近隣の肥満有病率の推定を改善するかどうかを調査しました。94の米国の主要都市の国勢調査区を対象に、2023年のCDC PLACESデータセットと2019年のアメリカンコミュニティ調査のデータを結びつけ、AIを用いて衛星画像とストリートビュー画像から構築環境の特徴を抽出しました。
方 法：
この横断研究は、AIを活用したモデリングフレームワークを使用しました。2024年5月から7月に取得した地理空間画像を用いて、94,498の衛星画像と670,860のストリートビュー画像を処理しました。分析は2024年9月から2025年5月にかけて行われ、CDC PLACESデータセットから得た成人の肥満有病率を国勢調査区レベルで評価しました。
結 果：
研究には14,413の国勢調査区が含まれ、中央値の肥満有病率は32.4%でした。線形混合効果モデルを用いた分析により、構築環境の特徴を含むモデルは肥満有病率の92.6%の変動を説明しました。画像由来の特徴を追加することで、固定効果による説明変動が増加し、マージナルR2は0.632から0.745に上昇しました。
結 論：
AIによって導出された構築環境の特徴を地理空間画像から統合することで、従来の人口統計学的および社会的要因を超えて近隣レベルの肥満有病率を説明し推定する能力が向上したことが示されました。