Az AI feltárja, mennyi rejtett cukor van a csomagolt élelmiszerekben világszerte

Az AI feltárja, mennyi rejtett cukor van a csomagolt élelmiszerekben világszerte

Egy úttörő algoritmus felfedi, hogy mennyi rejtett cukor rejtőzik az élelmiszerekben – és megmutatja, mely országok és termékek ütik meg az egészséges szénhidrátokat.

A szénhidrátok a napi energiabevitel körülbelül 70%-át teszik ki az átlagos emberi táplálkozásban világszerte. A szénhidrátok minőségének fontosságát azonban sokszor háttérbe szorítja mennyiségük. A folyóiratban nemrég megjelent tanulmánybanKorlátok a táplálkozásbanEgy európai kutatócsoport algoritmust dolgozott ki a csomagolt élelmiszerek szabad cukortartalmának előrejelzésére, amely globális szinten betekintést nyújt a szénhidrátok minőségébe.

Szénhidrátok az étrendben

A szénhidrátok fontos energiaforrások, és döntő szerepet játszanak a globális táplálkozásban. Míg a táplálkozásról szóló viták gyakran a szénhidrátok mennyiségére összpontosítanak, a szénhidrátok minősége ugyanilyen fontos az egészség megőrzéséhez. A tudományos bizonyítékok azt mutatják, hogy a szénhidrátok minősége befolyásolja az anyagcsere működését és a krónikus betegségek kockázatát.

A szénhidrátminőség felmérésének egyik eszköze a szénhidrát minőségi arány (CQR), amely az élelmiszerekben lévő összes szénhidrát, rost és szabad cukrok egyensúlyát értékeli. Ez az arány legalább 1 gramm élelmi rostot tartalmaz 10 gramm összes szénhidrátban, és legfeljebb 2 gramm szabad cukrot 1 gramm rostban. Ez az arány segít megkülönböztetni a tápláló élelmiszereket azoktól, amelyek hozzájárulhatnak a rossz egészségügyi eredményekhez.

A csomagolt élelmiszerek szabad cukortartalmának pontos meghatározása azonban továbbra is kihívást jelent. Csak néhány ország írja elő a további cukrok kifejezett címkézését, ami korlátozza az átláthatóságot a fogyasztók és a kutatók számára. Az Egészségügyi Világszervezet (WHO) által meghatározott szabad cukrok közé tartoznak a hozzáadott cukrok, valamint a mézben, szirupokban és gyümölcslevekben természetesen előforduló cukrok, míg az FDA a hozzáadott cukrokat csak a feldolgozás során bevitt cukorként határozza meg. Ez az információhiány hátráltatja a szénhidrátok minőségének hatékony felmérésére irányuló erőfeszítéseket, megnehezítve a tájékozott táplálkozási döntéseket és a szénhidrátfogyasztás egészségre gyakorolt ​​hatásának tanulmányozását.

A tanulmányról

Az algoritmus az első helyen felsorolt ​​összetevőket részesítette előnyben a címkéken, mivel az élelmiszergyártók gyakran tömeg szerint rendelik meg az összetevőket, így utalva a cukor dominanciájára a termék összetételében.

A jelen tanulmányban a kutatók algoritmust dolgoztak ki a csomagolt élelmiszerekben található szabad cukrok előrejelzésére világszerte, a szénhidrátok minőségével kapcsolatos kritikus tudáshiány kezelésére. A Mintel Global New Products Database (GNPD) adatait használták fel, amely kiterjedt információkat tartalmaz 86 ország csomagolt élelmiszereiről, beleértve a táplálkozási összetételt és az összetevők listáját.

Az elemzés előtt a csapat alaposan megtisztította és szabványosította az adatokat a következetesség biztosítása érdekében. A kulcsfontosságú lépés az összetevők manuális kurálása és reguláris kifejezésekkel történő címkézése volt, hogy hozzáadott vagy természetesen előforduló cukrokként osztályozzák őket – ez a megkülönböztetés elengedhetetlen volt a szabad cukortartalom pontos becsléséhez.

A prediktív modellek felépítéséhez a kutatók gépi tanulási technikákat alkalmaztak. Modelleiket az Egyesült Államokból (USA) származó adatok felhasználásával képezték ki, és hivatalosan tesztelték teljesítményüket 14 kiválasztott országban, miközben a modelleket további 81 ország termékeire alkalmazták. A modellek a termékcímkéket elemezték, figyelembe véve az első hat összetevőt, amelyeket hozzáadott cukornak, gyümölcsnek vagy tejterméknek minősítettek, valamint olyan részletes táplálkozási információkat, mint az energiatartalom, zsírok, szénhidrátok, rostok, fehérjék, cukor és nátrium.

A folyamat három bináris osztályozót tartalmazott további cukrok jelenlétének kimutatására, valamint faalapú halmozott regressziós modelleket a mennyiségük becslésére. Ezenkívül a becsült hozzáadott cukorszinteket a szabad cukrok becsléseként használták, kivéve bizonyos élelmiszer-kategóriákat, például gyümölcslé-italokat és cukros édességeket, ahol az összcukrot közvetlenül használták fel egyedi cukorprofiljuk miatt.

Végül a modelleket olyan termékekre alkalmazták, amelyek nem tartalmaztak kifejezett további cukormagyarázatot a szénhidrát-összetétel előrejelzésére. A szénhidrát minőségét a szénhidrátok, rostok és szabad cukrok előre meghatározott 10:1 és 1:2 közötti arányával értékelték.

Kulcsfontosságú megállapítások

A növényi alapú tejalternatívák (például zab- vagy mandula-italok) meglepően magas szintű megfelelést mutattak a szénhidrát-minőségi szabványoknak, és világszerte sok tejalapú terméket felülmúltak.

A tanulmány megállapította, hogy a gépi tanulási modellek nagyfokú pontosságot mutattak a csomagolt élelmiszerek szabad cukortartalmának előrejelzésében. A tesztkészlet átlagos abszolút hibája 0,96 g/100 g volt, ami viszonylag kis átlagos különbséget jelez az előre jelzett és a deklarált értékek között.

Ezenkívül a modell magas, 0,98-as R²-t ért el az előrejelzett és a deklarált értékek között, felülmúlva a korábbi modelleket, például a K-Legközelebbi szomszédokat, amelyek sokkal magasabb hibaarányt mutattak, megerősítve az előrejelzések megbízhatóságát. Nevezetesen, a modell előrejelző képességei nem korlátozódtak az Egyesült Államokra. A kutatók azt találták, hogy a modell pontosan teljesített, ha hivatalosan tesztelték 14 országban, és további 81 országban alkalmazták, kiemelve globális alkalmazhatóságát.

A tanulmány megvizsgálta azon élelmiszerek arányát is, amelyek megfeleltek a megcélzott szénhidrátok minőségi arányának, és jelentős eltéréseket mutattak az élelmiszerek és az élelmiszer-országok között. Az Egyesült Államokban a szénhidrát-minőségi arányt elérő termékek jelentősen eltértek, a forró gabonafélék viszonylag magas 60%-ától az ízesített tejek és malátaitalok 0%-áig terjedtek. Ez a széles választék megmutatta a szénhidrátminőség változatosságát akár egyetlen országban is.

A csokoládé ízű termékek (mint például a gabonapelyhek vagy a snackszeletek) a legrosszabb jogsértők közé tartoztak, 95%-uk nem érte el a kitűzött arányt a túl sok szabad cukor és az alacsony rost miatt.

Az összes élelmiszerkategóriát vizsgálva a célarányt teljesítő termékek aránya az Egyesült Királyságban a minőségi szabványnak való viszonylag magas szintű megfelelést jelentő 67%-tól a malajziai 9,8%-ig terjedt, ami azt jelzi, hogy a kívánt szénhidrátminőségnek megfelelő termékek aránya lényegesen alacsonyabb.

Nevezetesen, a növényi alapú italok – a legtöbb italkategóriától eltérően – a szénhidrát-minőségi arányok viszonylag magas betartását indukálták az egyes országokban magasabb rost- és alacsonyabb cukortartalmuk miatt.

A kutatók azonban elismerték, hogy az egyes országokra vonatkozó előrejelzések pontosságát bizonyos mértékig korlátozhatja a kis mintaméret, ami potenciálisan befolyásolhatja az eredmények általánosíthatóságát ezekre a konkrét régiókra.

Ezenkívül a szerzők Z-teszteket végeztek, amelyekben az Egyesült Államokban 18 élelmiszerkategóriában hasonlították össze az előre jelzett és bejelentett szabad cukorszinteket, és statisztikailag szignifikáns különbségeket találtak, megerősítve a modell robusztusságát.

Oklevél

Összefoglalva, a tanulmány sikeresen kifejlesztett és validált egy gépi tanuláson alapuló módszert a csomagolt élelmiszerek szabad cukortartalmának előrejelzésére egy nagyszabású globális adatbázis segítségével. Ez a teljesen automatizált és méretezhető megközelítés nagy pontosságot mutatott az országok és élelmiszerkategóriák között, és kiterjeszthető más adatbázisokra és tápanyag-mutatókra, amelyek ingyenes cukorbecslést igényelnek.

Az előre jelzett szabad cukorszintek javíthatják a tápanyagprofil-rendszereket is, mint például a Nutri-Score, amelyek jelenleg a teljes cukortartalomra támaszkodnak a korlátozott címkézési követelmények miatt.

Ez az innovatív módszertani megközelítés értékes és hatékony eszközt nyújtott a szénhidrát minőségének nyomon követésére és értékelésére a globális élelmiszerellátásban, és fontos betekintést nyújtott a közegészségügyi és táplálkozási tanácsadási kezdeményezésekbe.

Források: