Inteligenta artificială (IA) redefinește peisajul științei nutriției, în special în domeniile evaluării dietei, nutriției personalizate, modificării comportamentului și supravegherii sănătății populației. Cu creșterea prevalenței bolilor cronice asociate alimentației și cu conștientizarea tot mai mare a variabilității interindividuale în răspunsurile la dieta, cererea pentru ghidare nutrițională precisă, scalabilă și în timp real nu a fost niciodată mai mare. IA, integrată cu platformele de sănătate digitală, oferă capacități fără precedent pentru a răspunde acestor cerințe.
Nutriție personalizată prin integrarea datelor
Acesta facilitează nutriția de precizie prin integrarea unor surse de date multidimensionale: informații genomice, biomarkeri fenotipici, metabolomica, compoziția microbiotei intestinale, comportamentele legate de stilul de viață și chiar date de geolocație privind accesul la alimente. Algoritmii pot sintetiza aceste informații pentru a genera recomandări dietei extrem de individualizate, care evoluează în timp pe baza feedback-ului utilizatorilor și a schimbărilor fiziologice [35].
De exemplu, modelele de IA bazate pe arbori de decizie au fost folosite pentru a prezice răspunsurile glicemice postprandiale individuale la mese identice, permițând o gestionare mai eficientă a rezistenței la insulină și a diabetului de tip 2. Modelele de IA antrenate pe profilele microbiotice intestinale au fost, de asemenea, asociate cu predicții mai bune ale succesului în ceea ce privește pierderea în greutate în timpul intervențiilor dietetice.
Unelte de evaluare dietetică bazate pe inteligență artificială
Una dintre cele mai imediate aplicații ale IA în nutriție este automatizarea urmăririi consumului alimentar. Metodele manuale de recunoaștere a dietei, cum ar fi interogatoriile pe 24 de ore, chestionarele privind frecvența alimentelor (FFQ) și jurnalele alimentare, sunt copletoare din punct de vedere al timpului, predispuse la eroarea de amintire și greu de extins la scară mare.
Aplicațiile mobile bazate pe IA folosesc acum recunoașterea imaginilor și procesarea limbajului natural (NLP) pentru a automatiza înregistrarea alimentelor. Utilizatorii pot face fotografii ale mesei lor, iar algoritmii de învățare profundă identifică produsele alimentare, estimează mărimea porțiilor și calculează conținutul nutrițional. Mai multe aplicații mobile destinate consumatorilor implementează deja aceste tehnologii pentru înregistrarea automată a meselor și estimarea nutrienților.
Platformele mai avansate integrează IA cu monitorii continuați ai glucozei (CGMs) și cu urmăritorii de fitness purtabili pentru a plasa consumul alimentar într-un context fiziologic mai amplu. Acest lucru permite feedback în timp real și recomandări adaptative [39]. În ciuda acestor progrese, precizia rămâne o problemă. Studiile care compară aportul nutrițional estimat de IA cu datele revizuite de dietețiști raportează un acord moderat, dar subliniază nevoia de seturi mai mari de date pentru antrenare și de biblioteci de imagini alimentare diversificate din punct de vedere cultural
Inteligența artificială conversațională și coachingul digital în nutriție
Dezvoltarea chatboturilor și a antrenorilor virtuali bazată pe inteligența artificială reprezintă o etapă importantă în intervențiile diete bazate pe comportament. Aceste sisteme combină procesarea limbajului natural (NLP) cu cadre de schimbare comportamentală (de exemplu, modelul transteoretic, terapia cognitiv-comportamentală) pentru a oferi feedback personalizat, interviuri motivaționale și suport pentru urmărirea obiceiurilor.
Studii recente, randomizate, sugerează că îndrumarea susținută de IA poate duce la îmbunătățiri modeste ale calității dietei, în special în populațiile cu acces limitat la profesioniști în nutriție. Cu toate acestea, rezultatele variază în funcție de designul chatbotului, capacitatea de personalizare și angajamentul utilizatorilor.
Modelele de limbaj largi (LLMs) precum ChatGPT sunt, de asemenea, testate pentru educația în domeniul nutriției și pentru implicarea clienților. Deși promit mult, aceste modele sunt predispuse la „halucinații”, întârzieri și rate de eroare, în timp ce se permite un control al calității mai frecvent și mai detaliat [46]. Innutriție, automatizarea bazată pe inteligență artificială permite urmărirea și intervenția dietetică în timp real. În loc să se bazeze pe verificări ocazionale cu profesioniștii din domeniul sănătății, utilizatorii pot acum primi feedback dietetic continuu prin aplicații mobile, dispozitive vestibile sau asistenți vocali. Acest lucru favorizează o îmbunătățire a conformității și a angajamentului
Analiză predictivă pentru nutriția populației
În afara intervențiilor individuale, IA este folosită în mod crescut în nutriția din sănătatea publică pentru supraveghere, modelare și evaluarea politicilor. Modelele de învățare automată pot analiza seturi mari de date ale sondajelor dietei pentru a identifica deficiențele nutriționale, tendințele emergente ale dietei și populațiile cu risc.
În Inonestudy, un model de IA antrenat pe seturi naționale de date privind sănătatea și nutriția a prevăzut prevalența viitoare a obezității și hipertensiunii pe baza obiceiurilor alimentare curente. Această abordare a permis realizarea simulărilor proactice ale politicii publice. Asemenea perspective susțin campanii țintite, conceperea subvențiilor și alocația resurselor în moduri care depășesc instrumentele epidemiologice tradiționale. AI a fost, de asemenea, aplicat în evaluarea impactului asupra mediului și sustenabilității al modelelor alimentare prin integrarea rezultatelor nutriționale cu proiecțiile climatice. Această intersecție câștigă în importanță în cadrul framework-ului sănătății planetare
Studii de caz din lumea reală în țările cu venituri mici și mijlocii
În Kenya, cercetătorii au combinat recent date satelitare cu tehnici de învățare automată pentru a cartografia nivelul de risc al aflatoxinelor în regiunile cultivate cu porumb din întreaga Africa de Est. Un model ensemble de gradient boosting, antrenat pe 907 de mostre de porumb pre-cosemete din Kenya, Uganda, Malawi și Tanzania, a obținut o acuratețe echilibrată de aproximativ 62% și s-a generalizat bine la date externe. Aceste rezultate demonstrează fezabilitatea predicției asistate de IA a riscului de contaminare cu aflatoxine în contexte agricole din lumea reală.
În India, compania fintech și wellness HealthifyMe a implementat la scară asistentul său de nutriție bazat pe IA, Ria. Ria gestionează aproximativ 80% din cererile utilizatorilor și oferă sfaturi diete personalizate folosind baze de date regionale cu alimente și obiceiurile individuale ale utilizatorilor. Capacitatea sa de recunoaștere a imaginilor poate identifica mâncăruri locale indiene pentru urmărirea caloriilor și a nutrientelor, făcând acest instrument atât relevant din punct de vedere cultural, cât și scalabil în diverse contexte lingvistice.