Обзор потенциальных приложений для оценки диеты на основе искусственного интеллекта

Разработки в области технологий искусственного интеллекта (ИИ) и машинного обучения открыли новые возможности для их применения в сфере питания. Традиционные методы оценки питания (24-часовой опросник, 3-дневный дневник питания и опросники частоты питания, Food Frequency Questionnaire) требуют много времени, труда и имеют высокую степень предвзятости.

Инструменты с поддержкой ИИ могут быть удобными для пользователя и предоставлять точные данные о питании. Чтобы сделать эти инструменты удобными для пользователя, они были интегрированы с различными устройствами, включая смартфоны и другие носимые устройства (умные часы/фитнес-трекеры).

Как показывают результаты обзора, существующие инструменты оценки диеты с использованием ИИ интегрированы с мобильными/веб-приложениями для обеспечения удобного интерфейса. Эти инструменты можно разделить на категории «основанные на изображениях» (позволяют распознавать продукты питания, классифицировать, определять объем/вес пищи и оценивать питательные вещества) и «основанные на датчиках движения» (помогают фиксировать приемы пищи с помощью движения запястья, звуков еды, движения челюсти и глотания).

Большинство инструментов на основе изображений и носимых устройств имели точность в диапазоне от 60 до 95%. Оценки макронутриентов, микронутриентов и энергии были такими же точными, как и оценки с помощью традиционных инструментов. Кроме того, инструменты на основе ИИ собирали больше данных, чем просто потребление пищи и оценки питательных веществ, например, данные о пищевой среде, социальный контекст, влияние сверстников, поведение при покупках, пищевое поведение и перекусы. Они также могут оценивать потребление энергии и макронутриентов в реальном времени у пациентов с хроническими заболеваниями, такими как ожирение, диабет и деменция.

Однако ни одна технология не лишена ограничений. Оценки размера порций с использованием носимых устройств были неточными. Технические неисправности носимых устройств приводили к потере данных.

При интерпретации результатов необходимо указать на несколько ограничений: отсутствие единообразия в дизайне, выборках и оцениваемых результатах в исследованиях, включенных в обзор.