Tekoäly paljastaa, kuinka paljon piilosokeria on pakattuissa elintarvikkeissa maailmanlaajuisesti

Transparenz: Redaktionell erstellt und geprüft.
Veröffentlicht am

Uraauurtava algoritmi paljastaa, kuinka paljon piilotettua sokeria piilee ruoissasi – ja näyttää, mitkä maat ja tuotteet osuvat terveellisten hiilihydraattien tavoitteeseen. Hiilihydraatit muodostavat noin 70 % päivittäisestä energiansaannista ihmisen keskimääräisessä ruokavaliossa maailmanlaajuisesti. Hiilihydraattien laadun merkitys jää kuitenkin usein niiden määrän varjoon. Äskettäin Frontiers in Nutrition -lehdessä julkaistussa tutkimuksessa eurooppalainen tutkimusryhmä kehitti algoritmin, joka ennustaa pakattujen elintarvikkeiden vapaan sokerin pitoisuutta ja tarjoaa oivalluksia hiilihydraattien laadusta maailmanlaajuisesti. Hiilihydraatit ruokavaliossa Hiilihydraatit ovat tärkeä energianlähde ja niillä on ratkaiseva rooli maailmanlaajuisessa...

Tekoäly paljastaa, kuinka paljon piilosokeria on pakattuissa elintarvikkeissa maailmanlaajuisesti

Uraauurtava algoritmi paljastaa, kuinka paljon piilotettua sokeria piilee ruoissasi – ja näyttää, mitkä maat ja tuotteet osuvat terveellisten hiilihydraattien tavoitteeseen.

Hiilihydraatit muodostavat noin 70 % päivittäisestä energiansaannista ihmisen keskimääräisessä ruokavaliossa maailmanlaajuisesti. Hiilihydraattien laadun merkitys jää kuitenkin usein niiden määrän varjoon. Äskettäin lehdessä julkaistussa tutkimuksessaRajoitukset ravitsemuksessaEurooppalainen tutkimusryhmä kehitti algoritmin, joka ennustaa pakatun elintarvikkeen vapaan sokerin pitoisuutta ja tarjoaa oivalluksia hiilihydraattien laadusta maailmanlaajuisesti.

Hiilihydraatit ruokavaliossa

Hiilihydraatit ovat tärkeä energianlähde ja niillä on ratkaiseva rooli maailmanlaajuisessa ravitsemuksessa. Vaikka ravitsemuskeskustelut keskittyvät usein hiilihydraattien määrään, hiilihydraattien laatu on yhtä tärkeää hyvän terveyden ylläpitämisen kannalta. Tieteelliset todisteet osoittavat, että hiilihydraattien laatu vaikuttaa aineenvaihduntaan ja kroonisten sairauksien riskiin.

Yksi väline hiilihydraattien laadun arvioinnissa on hiilihydraattien laatusuhde (CQR), joka arvioi elintarvikkeiden kokonaishiilihydraattien, kuidun ja vapaiden sokereiden tasapainoa. Tämä suhde antaa vähintään 1 gramman ravintokuitua 10 grammaa hiilihydraattien kokonaismäärää kohti ja enintään 2 grammaa vapaita sokereita 1 grammassa kuitua. Tämä suhde auttaa erottamaan ravitsemukselliset elintarvikkeet niistä, jotka voivat vaikuttaa huonoihin terveysvaikutuksiin.

Pakatun elintarvikkeen vapaan sokerin pitoisuuden tarkka määrittäminen on kuitenkin edelleen haaste. Vain muutamat maat vaativat lisäsokereiden nimenomaista merkitsemistä, mikä rajoittaa avoimuutta kuluttajien ja tutkijoiden kannalta. Maailman terveysjärjestön (WHO) määrittelemät vapaat sokerit sisältävät lisätyt sokerit sekä luonnossa esiintyvät sokerit hunajassa, siirapeissa ja hedelmämehuissa, kun taas FDA määrittelee lisätyt sokerit vain jalostuksen aikana lisätyiksi sokereiksi. Tämä tiedon puute estää pyrkimyksiä arvioida tehokkaasti hiilihydraattien laatua, mikä vaikeuttaa tietoisten ruokavaliopäätösten tekemistä ja hiilihydraattien kulutuksen terveysvaikutusten tutkimista.

Tietoja tutkimuksesta

Algoritmi priorisoi etiketeissä ensin mainitut ainesosat, koska elintarvikevalmistajat tilaavat ainesosat usein painon mukaan, mikä antaa vihjeitä sokerin hallitsevasta asemasta tuotteen koostumuksessa.

Tässä tutkimuksessa tutkijat kehittivät algoritmin, joka ennustaa vapaiden sokereiden määrää pakattuissa elintarvikkeissa maailmanlaajuisesti ja korjaa hiilihydraattien laadun kriittistä tietämystä. He käyttivät tietoja Mintel Global New Products Database (GNPD) -tietokannasta, joka sisältää laajaa tietoa pakatuista elintarvikkeista 86 maasta, mukaan lukien ravintokoostumus ja ainesosaluettelot.

Ennen analysointia tiimi puhdisti ja standardoi tiedot huolellisesti johdonmukaisuuden varmistamiseksi. Ratkaiseva askel oli ainesosien manuaalinen kuratointi ja merkitseminen säännöllisillä lausekkeilla niiden luokittelemiseksi lisätyiksi tai luonnossa esiintyviksi sokereiksi – ero, joka oli olennainen vapaan sokerin pitoisuuden arvioimiseksi tarkasti.

Ennakoivan mallin rakentamiseen tutkijat käyttivät koneoppimistekniikoita. He kouluttivat mallejaan käyttämällä Yhdysvalloista (Yhdysvalloista) saatuja tietoja ja testasivat muodollisesti niiden suorituskykyä 14 valitussa maassa ja käyttivät malleja tuotteisiin 81 muusta maasta. Mallit analysoivat tuotemerkintöjä ottamalla huomioon kuusi ensimmäistä lisättyihin sokereihin, hedelmiin tai maitotuotteisiin luokiteltua ainesosaa sekä yksityiskohtaiset ravitsemustiedot, kuten energiasisältö, rasvat, hiilihydraatit, kuidut, proteiini, sokeri ja natrium.

Liukulinjaan sisältyi kolme binaariluokittajaa lisäsokereiden havaitsemiseksi ja puupohjaiset pinottu regressiomallit niiden määrän arvioimiseksi. Lisäksi vapaiden sokereiden arvioinnissa käytettiin ennustettuja lisättyjä sokeripitoisuuksia lukuun ottamatta tiettyjä elintarvikeryhmiä, kuten mehujuomia ja sokerimakeisia, joissa kokonaissokereita käytettiin suoraan niiden ainutlaatuisen sokeriprofiilin vuoksi.

Lopuksi malleja sovellettiin tuotteisiin ilman eksplisiittisiä sokerin lisäselityksiä hiilihydraattikoostumuksen ennustamiseksi. Hiilihydraattien laatu arvioitiin käyttämällä ennalta määritettyä hiilihydraattien, kuidun ja vapaiden sokereiden suhdetta 10:1 - 1:2.

Keskeiset havainnot

Kasvipohjaiset maitovaihtoehdot (esim. kaura- tai mantelijuomat) osoittivat yllättävän korkeaa hiilihydraattien laatustandardien noudattamista, mikä ylitti monet maitopohjaiset tuotteet maailmanlaajuisesti.

Tutkimuksessa havaittiin, että koneoppimismallit osoittivat korkean tarkkuuden ennustettaessa vapaan sokerin pitoisuutta pakatuissa elintarvikkeissa. Testisarjan keskimääräiseksi absoluuttiseksi virheeksi laskettiin 0,96 g/100 g, mikä osoittaa suhteellisen pientä keskimääräistä eroa ennustetun ja ilmoitetun arvojen välillä.

Lisäksi malli saavutti korkean R²:n 0,98 ennustettujen ja ilmoitettujen arvojen välillä, mikä ylitti aiemmat mallit, kuten K-Lähimmät naapurit, joiden virheprosentti oli paljon korkeampi, mikä vahvistaa ennusteiden luotettavuuden. On huomattava, että mallin ennustusominaisuudet eivät rajoittuneet Yhdysvaltoihin. Tutkijat havaitsivat, että malli toimi tarkasti, kun sitä testattiin muodollisesti 14 maassa ja sitä sovellettiin vielä 81 maassa, mikä korosti sen maailmanlaajuista soveltuvuutta.

Tutkimuksessa tarkasteltiin myös tavoitehiilihydraattien laatusuhteen täyttäneiden elintarvikkeiden osuutta ja osoitti merkittävää vaihtelua sekä elintarvikkeiden että elintarvikemaiden välillä. Yhdysvalloissa hiilihydraattien laatusuhteeseen osuvat tuotteet vaihtelivat merkittävästi, vaihdellen kuuman viljan suhteellisen korkeasta 60 prosentista maustettujen maitojen ja mallasjuomien 0 prosenttiin. Tämä laaja valikoima osoitti hiilihydraattien laadun monimuotoisuuden jopa yhdessä maassa.

Suklaalla maustetut tuotteet (kuten murot tai välipalapatukat) olivat pahimpia rikkojia, ja 95 prosenttia ei saavuttanut tavoitesuhdetta liiallisen vapaan sokerin ja vähäisen kuitupitoisuuden vuoksi.

Kaikkia elintarvikekategorioita tarkasteltaessa tavoitesuhteen täyttävien tuotteiden prosenttiosuus vaihteli Iso-Britannian 67 prosentista, mikä edustaa suhteellisen korkeaa laatustandardin tasoa, Malesian 9,8 prosenttiin, mikä osoittaa, että halutun hiilihydraattilaadun täyttävien tuotteiden osuus on huomattavasti pienempi.

Erityisesti kasvipohjaiset juomat – toisin kuin useimmat juomaluokat – saivat aikaan suhteellisen korkean hiilihydraattien laatusuhteiden noudattamisen eri maissa, koska ne sisältävät korkeamman kuitupitoisuuden ja alhaisemman sokeripitoisuuden.

Tutkijat myönsivät kuitenkin, että tiettyjen maiden ennusteiden tarkkuutta voivat jossain määrin rajoittaa pienet otoskoot, mikä saattaa vaikuttaa tulosten yleistettävyyteen näille alueille.

Lisäksi kirjoittajat suorittivat Z-testejä, joissa verrattiin ennustettuja ja ilmoitettuja vapaan sokerin tasoja 18 elintarvikekategoriassa Yhdysvalloissa ja havaitsivat tilastollisesti merkittäviä eroja, jotka vahvistivat mallin kestävyyden.

Diplomi

Yhteenvetona voidaan todeta, että tutkimuksessa kehitettiin ja validoitiin onnistuneesti koneoppimiseen perustuva menetelmä pakatun ruoan ilmaisen sokerin pitoisuuden ennustamiseksi laajan maailmanlaajuisen tietokannan avulla. Tämä täysin automatisoitu ja skaalautuva lähestymistapa osoitti vahvan tarkkuuden kaikissa maissa ja elintarvikeluokissa, ja se voidaan laajentaa muihin tietokantoihin ja ravintoarvomittareihin, jotka edellyttävät ilmaisia ​​sokeriarvioita.

Ennustetut vapaan sokerin tasot voisivat myös parantaa ravintoaineiden profilointijärjestelmiä, kuten Nutri-Scorea, jotka tällä hetkellä perustuvat kokonaissokereihin rajallisten merkintävaatimusten vuoksi.

Tämä innovatiivinen metodologinen lähestymistapa tarjosi arvokkaan ja tehokkaan työkalun hiilihydraattien laadun seurantaan ja arviointiin maailmanlaajuisessa elintarvikehuollossa ja tarjosi tärkeitä oivalluksia kansanterveys- ja ravitsemusneuvontaaloitteisiin.


Lähteet:

Journal reference: