تغذیه به‌عنوان ستون اساسی سلامت بشر، به دلیل ارتباط حیاتی‌اش با بیماری‌های مزمن غیرواگیر (مانند چاقی، دیابت و بیماری‌های قلبی)، نیازمند رویکردهای مدیریتی پیشرفته است. ورود هوش مصنوعی (AI) به این حوزه، فصل جدیدی از پیشرفت‌های علمی و عملی را رقم زده است؛ به‌طوری که مدیریت رژیم غذایی را از یک نیاز صرفاً فیزیولوژیک به یک استراتژی کلیدی در سلامت عمومی تبدیل کرده است.

هوش مصنوعی با هدف شبیه‌سازی فعالیت‌های شناختی انسانی نظیر تصمیم‌گیری و ادراک طراحی شده است. اجزای محوری این فناوری شامل یادگیری ماشین (ML)، یادگیری عمیق (DL)، پردازش زبان طبیعی (NLP) و بینایی رایانه (CV) است.

 در پژوهش‌های تغذیه‌ای، یادگیری ماشین به دلیل توانایی بی‌نظیرش در تحلیل حجم عظیمی از داده‌های پیچیده و شناسایی الگوهای غیرخطی (که در پزشکی و تغذیه رایج است)، به سنگ بنای برنامه‌های مدرن تبدیل شده است. الگوریتم‌های ML قادرند:

1. ارتباط دقیق رژیم‌های غذایی با خطر بیماری‌های مزمن را شناسایی کنند.
2. داده‌های ژنتیکی و نتایج سلامت را به‌شکلی منسجم ادغام نمایند.
3. توصیه‌های غذایی را به‌طور خودکار و بر اساس داده‌های جدید تعدیل کنند.

هوش مصنوعی با حذف رویکردهای عمومی، تغذیه را بر اساس ویژگی‌های فردی شامل ژنتیک، وضعیت سلامت، سبک زندگی و ترجیحات غذایی تنظیم می‌کند؛ رویکردی که به طرز چشمگیری پایبندی به رژیم و نتایج سلامتی را بهبود می‌بخشد. انواع هوش مصنوعی در تغذیه عبارتند از:

پردازش زبان طبیعی (NLP):  چت‌بات‌ها و دستیارهای مجازی از طریق مکالمه طبیعی، توصیه‌های شخصی، تعیین اهداف و مشاوره‌های تغذیه‌ای ارائه می‌دهند که منجر به بهبود فعالیت بدنی و کاهش وزن می‌شود.

 یادگیری ماشین (ML) تحلیل داده‌های ژنتیکی، زیستی و رفتاری برای شناسایی الگوهای غذایی و طراحی برنامه‌های تغذیه‌ای اختصاصی، شامل تخمین خودکار اندازه وعده‌ها

یادگیری عمیق (DL) تحلیل داده‌های پیچیده تغذیه‌ای با تقلید از ساختار مغز برای پیش‌بینی واکنش‌های فردی به مواد مغذی و تولید برنامه‌های غذایی بسیار دقیق

 ابزارهای گفت‌وگو تخصصی: پاسخ‌گویی به پرسش‌های تغذیه، پیشنهاد وعده‌های غذایی و ارائه دستور پخت (با تأکید بر نیاز به نظارت متخصص جهت مدیریت دقیق­تر)

 حسگرهای پوشیدنی و هوشمند پایش مصرف غذا، کالری دریافتی و وضعیت‌های فیزیولوژیک (مانند گلوکز) به‌صورت آنی، برای نظارت تغذیه‌ای دقیق.

استفاده از این ابزارها موانع موجود در شخصی‌سازی درمان را از میان برمی‌دارد. این امر با به‌کارگیری ظرفیت پردازشی AI برای ادغام رژیم غذایی، ژن‌ها و نشانگرهای زیستی برای توسعه رویکردهای درمانی کاملاً شخصی‌سازی‌شده محقق می‌شود. در سطح پزشکی، ML به تشخیص زودهنگام بیماری‌هایی نظیر دیابت و بیماری‌های قلبی-عروقی کمک کرده و امکان تدوین مداخلات بسیار هدفمند را فراهم می‌آورد.

بررسی جامع متون علمی، کاربردهای AI در تغذیه را در پنج محور اصلی دسته‌بندی می‌کند که عمق نفوذ این فناوری را نشان می‌دهد:

1. تغذیه هوشمند و شخصی‌سازی‌شده: استفاده از الگوریتم‌های DL برای توصیه‌های اختصاصی بر اساس متابولومیکس (مطالعه پروفایل‌های متابولیتی مولکول‌های کوچک) و اطلاعات دستگاه‌های هوشمند.
2. ارزیابی رژیم غذایی با بینایی رایانه: ابزارهای مبتنی بر پردازش تصویر که کالری و ترکیبات درشت‌مغذی‌ها را به‌طور خودکار و دقیق تخمین می‌زنند.
3. تشخیص و ردیابی دقیق مواد غذایی: به‌کارگیری مدل‌های اختصاصی هوش مصنوعی برای کنترل کیفیت مواد غذایی و نظارت بر مصرف روزانه.
4. مدل‌سازی پیش‌بینی‌کننده بیماری: مدل‌های DL که احتمال بروز چاقی، فشار خون بالا و دیابت نوع ۲ را بر اساس داده‌های تغذیه‌ای پیش‌بینی کرده و راهکارهای اصلاحی زودهنگام ارائه می‌دهند.

• • تکنیک‌های ML (مانند XGBoost) می‌توانند رویدادهایی نظیر سندرم تغذیه مجدد در بیماران ICU یا نارسایی اولیه تغذیه روده‌ای را پیش‌بینی کرده و فرصت مداخله زودهنگام را فراهم آورند.

5. تشخیص و پایش بیماری: ادغام AI با داده‌های بیوشیمیایی برای پیش‌بینی شاخص توده بدنی (BMI) و بیماری‌های گوارشی از طریق تحلیل نشانگرهای زیستی.

1. • اپلیکیشن‌های مبتنی بر AI سیستم‌های خودنظارتی رفتاری برای کاهش وزن توسعه داده‌اند. همچنین، نسل جدید توالت‌های هوشمند مجهز به AI با پایش حرکات روده و خروجی استوما، اطلاعات مهمی برای مدیریت هیدراتاسیون بیماران ارائه می‌دهند.

فناوری‌های هوش مصنوعی برای تحقیقات تغذیه ضروری شده‌اند تا ارتباط پیچیده میان غذا و سلامت در ابعاد فردی و اجتماعی مطالعه شود. پیش‌بینی می‌شود به‌کارگیری AI در سیستم‌های مراقبت‌های بهداشتی در آینده نزدیک، صرفه‌جویی قابل توجهی در هزینه‌های عملیاتی ایجاد کرده و ارائه خدمات مؤثرتری را در سطح جهانی، به‌ویژه در مناطق با دسترسی محدود، به ارمغان آورد. در مجموع، ادغام هوش مصنوعی با علم تغذیه نویدبخش دورانی است که در آن هر رژیم غذایی دقیق‌تر، هر تصمیم غذایی هوشمندتر و هر انتخاب سلامتی آگاهانه‌تر خواهد بود.

زهرا مختاری کارشناس ارشد تغذیه مجتمع آموزش عالی سلامت باقرالعلوم (ع) سپیدان 

https://pubmed.ncbi.nlm.nih.gov/38613106/

https://pubmed.ncbi.nlm.nih.gov/39796624/