AI afslører, hvor meget skjult sukker der er i emballerede fødevarer verden over

AI afslører, hvor meget skjult sukker der er i emballerede fødevarer verden over

En banebrydende algoritme afslører, hvor meget skjult sukker, der lurer i dine fødevarer – og viser hvilke lande og produkter, der rammer mærket for sunde kulhydrater.

Kulhydrater bidrager med cirka 70 % af det daglige energiindtag i den gennemsnitlige menneskelige kost på verdensplan. Betydningen af ​​kulhydratkvalitet bliver dog ofte overskygget af deres kvantitet. I en undersøgelse for nylig offentliggjort i tidsskriftetGrænser i ernæringEt europæisk forskerhold udviklede en algoritme til at forudsige indholdet af frit sukker i emballerede fødevarer, hvilket giver indsigt i kulhydratkvalitet på globalt plan.

Kulhydrater i kosten

Kulhydrater er en vigtig energikilde og spiller en afgørende rolle i global ernæring. Mens diskussioner om ernæring ofte fokuserer på mængden af ​​kulhydrater, er kvaliteten af ​​kulhydrater lige så vigtig for at bevare et godt helbred. Videnskabeligt bevis viser, at kulhydraternes kvalitet har indflydelse på stofskiftefunktionen og risikoen for kroniske sygdomme.

Et værktøj til at vurdere kulhydratkvaliteten er kulhydratkvalitetsforholdet (CQR), som evaluerer balancen mellem totale kulhydrater, fibre og frie sukkerarter i fødevarer. Dette forhold giver mindst 1 gram kostfibre per 10 gram samlede kulhydrater og ikke mere end 2 gram frie sukkerarter per 1 gram fiber. Dette forhold hjælper med at skelne ernæringsmæssige fødevarer fra dem, der kan bidrage til dårlige sundhedsresultater.

Det er dog stadig en udfordring at præcist bestemme indholdet af frit sukker i emballerede fødevarer. Kun få lande kræver eksplicit mærkning af yderligere sukkerarter, hvilket begrænser gennemsigtigheden for forbrugere og forskere. Frie sukkerarter defineret af Verdenssundhedsorganisationen (WHO) omfatter tilsat sukker såvel som naturligt forekommende sukkerarter i honning, sirupper og frugtjuice, mens FDA definerer tilsat sukker som kun dem, der indføres under forarbejdning. Denne mangel på information hindrer indsatsen for effektivt at vurdere kulhydratkvaliteten, hvilket gør det vanskeligt at træffe informerede diætbeslutninger og studere virkningerne af kulhydratforbrug på sundheden.

Om studiet

Algoritmen prioriterede ingredienserne først på etiketterne, fordi fødevareproducenter ofte bestiller ingredienser efter vægt, hvilket giver fingerpeg om sukkerdominans i et produkts sammensætning.

I denne undersøgelse udviklede forskerne en algoritme til at forudsige frie sukkerarter i emballerede fødevarer på verdensplan, hvilket adresserer et kritisk vidensgab i kulhydratkvalitet. De brugte data fra Mintel Global New Products Database (GNPD), som indeholder omfattende information om emballerede fødevarer fra 86 lande, herunder ernæringssammensætning og ingredienslister.

Før analysen rensede og standardiserede teamet omhyggeligt dataene for at sikre konsistens. Et afgørende trin involverede manuel kuration og mærkning af ingredienser med regulære udtryk for at klassificere dem som tilsatte eller naturligt forekommende sukkerarter - en sondring, der var afgørende for nøjagtigt at estimere indholdet af frit sukker.

For at bygge prædiktive modeller brugte forskere maskinlæringsteknikker. De trænede deres modeller ved hjælp af data fra USA (USA) og testede formelt deres ydeevne i 14 udvalgte lande, mens de anvendte modellerne på produkter fra yderligere 81 lande. Modellerne analyserede produktetiketter under hensyntagen til de første seks ingredienser klassificeret som tilsat sukker, frugt eller mejeriprodukter, samt detaljerede ernæringsoplysninger såsom energiindhold, fedt, kulhydrater, fibre, protein, sukker og natrium.

Pipelinen inkluderede tre binære klassifikatorer til at detektere tilstedeværelsen af ​​yderligere sukkerarter og træbaserede stablede regressionsmodeller for at estimere deres mængde. Derudover blev forudsagte niveauer af tilsat sukker brugt som estimater af frie sukkerarter, med undtagelse af visse fødevarekategorier såsom juicedrikke og sukkervarer, hvor totalsukker blev brugt direkte på grund af deres unikke sukkerprofiler.

Endelig blev modellerne anvendt på produkter uden eksplicitte yderligere sukkerforklaringer for at forudsige kulhydratsammensætningen. Kulhydratkvaliteten blev vurderet ved hjælp af et foruddefineret forhold på 10:1 til 1:2 af kulhydrater, fibre og frie sukkerarter.

Nøglefund

Plantebaserede mælkealternativer (f.eks. havre- eller mandeldrikke) udviste overraskende høj overholdelse af kulhydratkvalitetsstandarder, hvilket overgik mange mejeribaserede produkter på verdensplan.

Undersøgelsen viste, at maskinlæringsmodellerne viste et højt niveau af nøjagtighed i forudsigelse af indholdet af frit sukker i emballerede fødevarer. Den gennemsnitlige absolutte fejl for testsættet blev beregnet til at være 0,96 g/100 g, hvilket indikerer en relativt lille gennemsnitlig forskel mellem de forudsagte og deklarerede værdier.

Derudover opnåede modellen en høj R² på 0,98 mellem forudsagte og deklarerede værdier, hvilket overgik tidligere modeller såsom K-Nearest Neighbors, som havde en meget højere fejlrate, hvilket bekræfter pålideligheden af ​​forudsigelserne. Navnlig var modellens forudsigelsesevne ikke begrænset til USA. Forskerne fandt ud af, at modellen fungerede præcist, når den formelt blev testet i 14 lande og anvendt i yderligere 81 lande, hvilket understregede dens globale anvendelighed.

Undersøgelsen undersøgte også andelen af ​​fødevarer, der opfyldte kvalitetsforholdet mellem målkulhydrater og viste betydelig variation på tværs af både fødevarer og fødevarelande. I USA varierede produkter, der ramte kulhydratkvalitetsforholdet betydeligt, lige fra relativt høje 60 % for varme kornprodukter til 0 % for smagspræget mælk og maltdrikke. Dette brede udvalg demonstrerede mangfoldigheden af ​​kulhydratkvalitet selv i et enkelt land.

Produkter med chokoladesmag (som korn eller snackbarer) var blandt de værste lovovertrædere, hvor 95 % ikke nåede målforholdet på grund af for meget frit sukker og lavt fiberindhold.

Når man ser på alle fødevarekategorier, varierede procentdelen af ​​produkter, der opfylder målforholdet, fra 67 % i Storbritannien, hvilket repræsenterer et relativt højt niveau af overholdelse af kvalitetsstandarden, til 9,8 % i Malaysia, hvilket indikerer en markant lavere andel af produkter, der opfylder den ønskede kulhydratkvalitet.

Især inducerede plantebaserede drikke - i modsætning til de fleste drikkevarekategorier - relativt høj overholdelse af kulhydratkvalitetsforhold på tværs af lande på grund af deres højere fiberindhold og lavere sukkerindhold.

Forskerne anerkendte dog, at nøjagtigheden af ​​forudsigelserne for specifikke lande til en vis grad kan være begrænset af små stikprøvestørrelser, hvilket potentielt kan påvirke generaliserbarheden af ​​resultaterne til disse specifikke regioner.

Derudover udførte forfatterne Z-tests, der sammenlignede forudsagte og erklærede frit sukkerniveauer på tværs af 18 fødevarekategorier i USA og fandt statistisk signifikante forskelle, hvilket bekræfter modellens robusthed.

Eksamensbevis

Sammenfattende udviklede og validerede undersøgelsen med succes en maskinlæringsbaseret metode til at forudsige frit sukkerindhold i emballerede fødevarer ved hjælp af en storstilet global database. Denne fuldt automatiserede og skalerbare tilgang demonstrerede stærk nøjagtighed på tværs af lande og fødevarekategorier og kan udvides til andre databaser og næringsstofmålinger, der kræver gratis sukkerestimater.

De forudsagte frie sukkerniveauer kan også forbedre næringsstofprofileringssystemer såsom Nutri-Score, som i øjeblikket er afhængige af det samlede sukkerindhold på grund af begrænsede mærkningskrav.

Denne innovative metodiske tilgang gav et værdifuldt og kraftfuldt værktøj til at overvåge og vurdere kulhydratkvaliteten i den globale fødevareforsyning og gav vigtig indsigt til initiativer inden for folkesundhed og ernæringsrådgivning.

Kilder: