AI разкрива колко скрита захар има в пакетираните храни по света

AI разкрива колко скрита захар има в пакетираните храни по света

Революционен алгоритъм разкрива колко скрита захар се крие във вашите храни - и показва кои страни и продукти достигат целта за здравословни въглехидрати.

Въглехидратите допринасят за приблизително 70% от дневния енергиен прием в средната човешка диета по света. Важността на качеството на въглехидратите обаче често е засенчена от тяхното количество. В проучване, публикувано наскоро в спОграничения в храненетоЕвропейски изследователски екип разработи алгоритъм за прогнозиране на съдържанието на свободна захар в пакетираните храни, предоставяйки представа за качеството на въглехидратите в глобален мащаб.

Въглехидрати в диетата

Въглехидратите са важен източник на енергия и играят решаваща роля в глобалното хранене. Докато дискусиите за храненето често се фокусират върху количеството въглехидрати, качеството на въглехидратите е също толкова важно за поддържане на добро здраве. Научните доказателства показват, че качеството на въглехидратите влияе върху метаболитната функция и риска от хронични заболявания.

Един инструмент за оценка на качеството на въглехидратите е коефициентът на качество на въглехидратите (CQR), който оценява баланса на общите въглехидрати, фибри и свободни захари в храните. Това съотношение дава най-малко 1 грам диетични фибри на 10 грама общи въглехидрати и не повече от 2 грама свободни захари на 1 грам фибри. Това съотношение помага да се разграничат хранителните храни от тези, които могат да допринесат за лоши здравни резултати.

Въпреки това, точното определяне на съдържанието на свободна захар в пакетираните храни остава предизвикателство. Само няколко държави изискват изрично етикетиране на допълнителни захари, което ограничава прозрачността за потребителите и изследователите. Свободните захари, определени от Световната здравна организация (СЗО), включват добавени захари, както и естествено срещащи се захари в мед, сиропи и плодови сокове, докато FDA определя добавените захари като само тези, въведени по време на обработката. Тази липса на информация възпрепятства усилията за ефективна оценка на качеството на въглехидратите, което затруднява вземането на информирани диетични решения и изследването на ефектите от консумацията на въглехидрати върху здравето.

Относно изследването

Алгоритъмът приоритизира съставките, посочени първи на етикетите, тъй като производителите на храни често поръчват съставките по тегло, предоставяйки улики за доминирането на захарта в състава на продукта.

В настоящото проучване изследователите разработиха алгоритъм за прогнозиране на свободни захари в пакетираните храни по целия свят, адресирайки критичната празнина в знанията за качеството на въглехидратите. Те са използвали данни от глобалната база данни за нови продукти на Mintel (GNPD), която съдържа обширна информация за пакетирани храни от 86 страни, включително хранителен състав и списъци с съставки.

Преди анализа екипът щателно почисти и стандартизира данните, за да осигури последователност. Решаваща стъпка включваше ръчно подреждане и етикетиране на съставките с регулярни изрази, за да бъдат класифицирани като добавени или естествено срещащи се захари - разграничение, което беше от съществено значение за точното оценяване на съдържанието на свободна захар.

За да изградят прогнозни модели, изследователите са използвали техники за машинно обучение. Те обучиха моделите си, използвайки данни от Съединените щати (САЩ) и официално тестваха ефективността им в 14 избрани държави, като същевременно приложиха моделите към продукти от 81 допълнителни страни. Моделите анализираха етикетите на продуктите, като взеха предвид първите шест съставки, класифицирани като добавени захари, плодове или млечни продукти, както и подробна хранителна информация като енергийно съдържание, мазнини, въглехидрати, фибри, протеини, захар и натрий.

Тръбопроводът включваше три двоични класификатора за откриване на наличието на допълнителни захари и дървесни подредени регресионни модели за оценка на тяхното количество. В допълнение, предвидените нива на добавена захар бяха използвани като оценки на свободните захари, с изключение на определени категории храни, като сокови напитки и захарни изделия, където общите захари бяха използвани директно поради техните уникални захарни профили.

И накрая, моделите бяха приложени към продукти без изрични допълнителни обяснения на захарта, за да се предскаже въглехидратният състав. Качеството на въглехидратите беше оценено с помощта на предварително определено съотношение 10:1 до 1:2 на въглехидрати, фибри и свободни захари.

Ключови констатации

Растителните млечни алтернативи (напр. овесени или бадемови напитки) демонстрират изненадващо високо съответствие със стандартите за качество на въглехидратите, превъзхождайки много млечни продукти в световен мащаб.

Проучването установи, че моделите за машинно обучение демонстрират високо ниво на точност при прогнозиране на съдържанието на свободна захар в пакетираните храни. Средната абсолютна грешка за тестовия комплект беше изчислена на 0,96 g/100 g, което показва относително малка средна разлика между прогнозираните и декларираните стойности.

В допълнение, моделът постигна висок R² от 0,98 между прогнозираните и декларираните стойности, надминавайки предишни модели като K-Nearest Neighbors, които имаха много по-висок процент грешки, потвърждавайки надеждността на прогнозите. Трябва да се отбележи, че възможностите за прогнозиране на модела не са ограничени до Съединените щати. Изследователите установяват, че моделът се представя точно, когато е официално тестван в 14 държави и е приложен в допълнителни 81 страни, подчертавайки неговата глобална приложимост.

Проучването също така изследва съотношението на хранителните продукти, които отговарят на съотношението на качеството на целевите въглехидрати и показа значителни вариации както в храните, така и в страните с храни. В Съединените щати продуктите, които отговарят на съотношението на качеството на въглехидратите, варират значително, вариращи от относително високи 60% за горещи зърнени храни до 0% за ароматизирани млека и малцови напитки. Този широк диапазон демонстрира разнообразието от качество на въглехидратите дори в една страна.

Продуктите с вкус на шоколад (като зърнени храни или снек-барове) са сред най-лошите нарушители, като 95% не успяват да постигнат целевото съотношение поради прекомерно съдържание на свободни захари и ниско съдържание на фибри.

Когато се разглеждат всички категории храни, процентът на продуктите, отговарящи на целевото съотношение, варира от 67% в Обединеното кралство, което представлява относително високо ниво на съответствие със стандарта за качество, до 9,8% в Малайзия, което показва значително по-нисък дял на продуктите, отговарящи на желаното качество на въглехидратите.

Трябва да се отбележи, че напитките на растителна основа - за разлика от повечето категории напитки - предизвикват относително високо придържане към съотношенията на качеството на въглехидратите в различните страни поради по-високото им съдържание на фибри и по-ниското съдържание на захар.

Изследователите обаче признаха, че точността на прогнозите за конкретни страни може да бъде ограничена до известна степен от малки размери на извадката, което потенциално може да повлияе на обобщаването на резултатите за тези специфични региони.

В допълнение, авторите проведоха Z-тестове, сравнявайки прогнозирани и декларирани нива на свободна захар в 18 категории храни в Съединените щати и откриха статистически значими разлики, потвърждавайки устойчивостта на модела.

Диплома

В обобщение, проучването успешно разработи и валидира базиран на машинно обучение метод за прогнозиране на съдържанието на свободна захар в пакетираните храни, използвайки широкомащабна глобална база данни. Този напълно автоматизиран и мащабируем подход демонстрира силна точност в различните държави и категории храни и може да бъде разширен към други бази данни и хранителни показатели, които изискват безплатни оценки на захарта.

Прогнозираните нива на свободна захар биха могли също да подобрят системите за профилиране на хранителни вещества като Nutri-Score, които в момента разчитат на общите захари поради ограничените изисквания за етикетиране.

Този иновативен методологичен подход предостави ценен и мощен инструмент за наблюдение и оценка на качеството на въглехидратите в глобалното предлагане на храни и предостави важни прозрения за инициативи за обществено здраве и хранителни съвети.

източници: