구글 스트리트 뷰 기반 건축 환경 평가와 관상 동맥 질환 유병률에 관한 인공지능 기반 연구

초록 배경 및 목적 건축 환경은 심혈관 질환 발전에 중요한 역할을 한다. 기계 비전 및 정보 기술 접근 방식을 사용하여 건축 환경을 평가하는 도구는 제한적이었다. 본 연구는 기계 비전 기반 건축 환경과 미국 도시의 심장 대사 질환 유병률 간의 연관성을 조사하는 것을 목표로 했다. 방법 이 단면 연구는 구글 스트리트 뷰(GSV) 이미지에서 추출한 특징을 사용하여 건축 환경을 측정하고 이를 관상 동맥 질환(CHD) 유병률과 연결하였다. 컨볼루션 신경망, 선형 혼합 효과 모델, 활성화 맵을 활용하여 건강 결과를 예측하고 인구 조사 구역 수준에서 CHD와의 특징 연관성을 식별하였다. 연구는 7개 미국 도시(클리블랜드, OH; 프리몬트, CA; 캔자스시티, MO; 디트로이트, MI; 벨뷰, WA; 브라운스빌, TX; 덴버, CO)의 789개 인구 조사 구역을 포함하는 0.53백만 개 GSV 이미지를 확보하였다. 결과 GSV에서 추출한 건축 환경 특징은 CHD 유병률의 인구 조사 구역 변동성의 63%를 예측하였다. GSV 특징을 추가한 모델은 인구 조사 구역 수준의 나이, 성별, 인종, 소득 및 교육 또는 사회적 건강 결정 요인의 복합 지표만 포함된 모델을 개선하였다. 특징에서 얻어진 활성화 맵은 CHD 유병률과 연관된 건물과 도로로 대표되는 일련의 이웃 특징을 나타냈다. 결론 이 단면 연구에서 CHD 유병률은 인구 조사 구역 인구 통계학과는 독립적으로 GSV에서 유도된 건축 환경 요인과 연관이 있었다. 기계 비전 기반 건축 환경 평가 방법은 취약한 이웃을 식별하는 더 정밀한 접근 방식을 제공할 수 있어, 도시 환경에서 심혈관 건강 불균형을 해결하고 줄이는 효과적인 경로가 될 수 있다.