大数据和人工智能（AI）正在改变我们对健康的思考方式，从疾病检测、建模和诊断的精准度到加快响应时间。这项研究对纽约街区的 200 万张 Google 街景图像进行了分析，以评估这些数字数据在公共健康决策中的实用性。主要作者之一，纽约大学全球公共健康学院生物统计学教授 Rumi Chunara 评论这一举措时说道：
“关于利用新数据资源来获得对健康的整体视角充满了热情，尤其是通过机器学习和数据科学方法来提取新的信息。我们的研究突显了这些数字数据源（如街景图像）在提升公共卫生研究中的潜力，但也指出了限制性，特别是由于环境、个人行为和健康结果之间的复杂动态关系。”街景图像对健康的新视角？这些图像在实践中的使用价值在哪里？
近年来，研究人员开始利用这些街景图像将某一区域的环境和基础设施与健康结果联系起来，无论是心理健康、传染病风险还是肥胖。这种将环境与公共健康关联起来的工作“手工难以完成”。“我们知道生活环境影响我们的健康，比如人行道和绿色空间的可用性，或提供健康食品的商店。因此，这项研究的目标是通过这些图像深化这些关联，并识别风险或健康的因素或标记物。”
该研究分析了纽约市超过 200 万张 Google 街景图像，并利用人工智能评估了一些已知的健康因素。这一技术使得研究者能够将这些环境因素与健康结果（如肥胖率、糖尿病率以及体育活动参与程度）联系起来。本研究得出以下结论，例如：在拥有更多人行横道的社区，肥胖和糖尿病率较低，然而，没有发现人行道的存在与整体健康结果之间有显著关联；AI 为街景图像生成标签的精度较低，警告这些标签可能不符合“地面真相”：
许多照片未被正确标注，这可能是由于交通流量或甚至阴影遮挡了照片中的某些元素。因此，研究人员总结道，在不久的将来，这些新技术肯定能够在大范围内扫描某些关键的健康环境因素。然而，至今为止，公共健康决策不能仅依赖这些新数据源：图像处理技术还需要改进——同样，公共健康知识也需要提高，这将有助于精细化环境的系统视图与健康结果之间的关联。