使用人工智能支持更多以数据为基础的饮食

人工智能一直在迅速改变人们的生活，而人类健康一直是AI所触及的领域之一，也是人们更加依靠数据驱动的领域。截至2017年，约有325,000个mHealth应用程序可供消费者用来监测和评估其个人健康状况。与此相关， 根据报告和数据报告，到2027年，全球 移动健康(mHealth)市场预计将达到3119.8亿美元。

这些应用程序已指向的垂直领域之一是使用AI支持更多数据驱动的个性化饮食计划。可以基于人类基因的结构化数据来开发个性化饮食，而这些数据不会改变。但是，有关表观遗传学和微生物组的非结构化数据可能会受到生活方式和饮食的影响，这对于设计个性化食品和生活方式至关重要。IBM的个人健康和食物记录应用程序 “我吃了什么”由IBM Research构建的，是那些专注于个性化饮食并处理非结构化数据的应用程序之一。“我吃了什么”可以识别您的饮食习惯，并通过个人指导帮​​助您采用更好的饮食习惯-不仅仅是跟踪您的总卡路里摄入量。IBM Research的AI算法可识别图像中的食物，并通过学习您喜欢的食物来帮助您更轻松地跟踪营养摄入量。

案例研究IMDEA食品研究所(IMDEA Food Institute)对此进行了评论，还展示了如何使用AI来支持数据驱动的个性化饮食建议方法。该研究调查了800名参与者在7天内测量的对标准化膳食的血糖反应的个体内和个体间差异。设计了一种ML算法来预测餐后血糖反应，并将饮食，人体测量，身体活动和肠道菌群数据结合起来用作输入训练数据集，并在一个独立的队列研究中从训练后的ML模型验证了输出100名参与者。该研究报告说，不同的人对同一标准餐后的餐后反应差异很大。进一步，他们根据ML得出的见解或临床营养师的专家意见，为一组新的26个人提供了量身定制的饮食建议。两组都报告了血糖反应的类似改善。

初创企业还试图利用该技术利用数据来提供个性化的饮食计划。 Span Health 是利用您的数据来找到有效方法，将个性化营养和生活方式的科学进行转化的初创公司之一。“我们从一个带有应用程序和内容的移动应用开始，该工具可以运行实验，验证哪些对您真正有用，并将健康习惯融入可持续的日常活动中-考虑5-10年前的冥想在哪里，就像是用于生物黑客的顶空，” Span Health的联合创始人兼首席执行官Patrick Samy说。“ Span的算法从您的健康数据中学习，以识别更可能对您有用的实验。我们的实验库是根据斯坦福大学，杜克大学和哈佛大学顾问的科学证据而建立的，”

毫无疑问，人工智能在支持数据驱动的个性化饮食计划中的作用将随着时间的推移而增加。应用程序将使用机器学习算法来跟踪饮食摄入量，并提出个性化建议以支持更好的个人健康结果。

标签： 人工智能