AI atskleidžia, kiek paslėpto cukraus yra supakuotuose maisto produktuose visame pasaulyje

AI atskleidžia, kiek paslėpto cukraus yra supakuotuose maisto produktuose visame pasaulyje

Novatoriškas algoritmas atskleidžia, kiek paslėpto cukraus slypi jūsų maiste, ir parodo, kurios šalys ir produktai atitinka sveikų angliavandenių ribą.

Angliavandeniai sudaro apie 70% viso pasaulio vidutinio žmogaus dienos energijos suvartojimo. Tačiau angliavandenių kokybės svarbą dažnai nustelbia jų kiekis. Neseniai žurnale paskelbtame tyrimeRibos mitybojeEuropos mokslinių tyrimų grupė sukūrė algoritmą, leidžiantį numatyti laisvo cukraus kiekį supakuotuose maisto produktuose, kad būtų galima suprasti angliavandenių kokybę pasauliniu mastu.

Angliavandeniai dietoje

Angliavandeniai yra svarbus energijos šaltinis ir vaidina lemiamą vaidmenį pasaulinėje mityboje. Nors diskusijos apie mitybą dažnai sutelkiamos į angliavandenių kiekį, angliavandenių kokybė yra vienodai svarbi norint išlaikyti gerą sveikatą. Moksliniai įrodymai rodo, kad angliavandenių kokybė turi įtakos medžiagų apykaitai ir lėtinių ligų rizikai.

Viena iš angliavandenių kokybės vertinimo priemonių yra angliavandenių kokybės santykis (CQR), kuris įvertina bendro angliavandenių, skaidulų ir laisvojo cukraus balansą maisto produktuose. Šis santykis suteikia mažiausiai 1 gramą maistinių skaidulų 10 gramų visų angliavandenių ir ne daugiau kaip 2 gramus laisvųjų cukrų 1 grame skaidulų. Šis santykis padeda atskirti maistingus maisto produktus nuo tų, kurie gali turėti įtakos sveikatai.

Tačiau tiksliai nustatyti laisvojo cukraus kiekį supakuotuose maisto produktuose išlieka iššūkis. Tik keliose šalyse reikalaujama aiškiai ženklinti papildomą cukrų, o tai riboja skaidrumą vartotojams ir tyrėjams. Pasaulio sveikatos organizacijos (PSO) apibrėžtas nemokamas cukrus apima pridėtinį cukrų, taip pat natūralų meduje, sirupuose ir vaisių sultyse esantį cukrų, o FDA apibrėžia pridėtinį cukrų kaip tik tą, kuris patenka perdirbant. Toks informacijos trūkumas trukdo efektyviai įvertinti angliavandenių kokybę, todėl sunku priimti pagrįstus mitybos sprendimus ir tirti angliavandenių vartojimo poveikį sveikatai.

Apie studiją

Algoritmas pirmenybę teikė pirmenybėms etiketėse išvardytoms sudedamosioms dalims, nes maisto gamintojai dažnai užsako ingredientus pagal svorį, pateikdami užuominų apie cukraus dominavimą produkto sudėtyje.

Šiame tyrime mokslininkai sukūrė algoritmą, skirtą numatyti laisvo cukraus kiekį supakuotuose maisto produktuose visame pasaulyje, kad būtų pašalintas esminis angliavandenių kokybės žinių trūkumas. Jie naudojo duomenis iš Mintel Global New Products Database (GNPD), kurioje yra daug informacijos apie supakuotus maisto produktus iš 86 šalių, įskaitant maistinę sudėtį ir sudedamųjų dalių sąrašus.

Prieš analizę komanda kruopščiai išvalė ir standartizavo duomenis, kad užtikrintų nuoseklumą. Svarbus žingsnis buvo rankinis ingredientų kūrimas ir ženklinimas reguliariosiomis išraiškomis, siekiant klasifikuoti juos kaip pridėtinį arba natūraliai susidarantį cukrų – šis skirtumas buvo būtinas norint tiksliai įvertinti laisvojo cukraus kiekį.

Kurdami nuspėjamuosius modelius, mokslininkai naudojo mašininio mokymosi metodus. Jie apmokė savo modelius naudodami duomenis iš Jungtinių Valstijų (JAV) ir oficialiai išbandė jų veikimą 14 pasirinktų šalių, o modelius taikė gaminiams iš 81 papildomos šalies. Modeliai išanalizavo produktų etiketes, atsižvelgdami į pirmuosius šešis ingredientus, klasifikuojamus kaip pridėtinis cukrus, vaisius ar pieno produktus, taip pat išsamią informaciją apie maistingumą, pvz., energijos kiekį, riebalus, angliavandenius, skaidulų, baltymų, cukraus ir natrio kiekį.

Į dujotiekį buvo įtraukti trys dvejetainiai klasifikatoriai, skirti aptikti papildomų cukrų buvimą, ir medžių sukrauti regresijos modeliai, skirti jų kiekiui įvertinti. Be to, numatomi pridėtinio cukraus kiekiai buvo naudojami apskaičiuojant laisvąjį cukrų, išskyrus tam tikras maisto kategorijas, pvz., sulčių gėrimus ir saldumynus iš cukraus, kur bendras cukrus buvo naudojamas tiesiogiai dėl jų unikalių cukraus profilių.

Galiausiai modeliai buvo taikomi produktams be aiškių papildomų cukraus paaiškinimų, kad būtų galima numatyti angliavandenių sudėtį. Angliavandenių kokybė buvo įvertinta naudojant iš anksto nustatytą angliavandenių, skaidulų ir laisvojo cukraus santykį nuo 10:1 iki 1:2.

Pagrindiniai atradimai

Augalinės kilmės pieno alternatyvos (pvz., avižų ar migdolų gėrimai) įrodė stebėtinai aukštą atitikimą angliavandenių kokybės standartams ir pralenkė daugelį pieno produktų visame pasaulyje.

Tyrimas parodė, kad mašininio mokymosi modeliai parodė aukštą tikslumo lygį numatant laisvojo cukraus kiekį supakuotuose maisto produktuose. Apskaičiuota, kad vidutinė absoliuti bandymo rinkinio paklaida yra 0,96 g/100 g, o tai rodo santykinai nedidelį vidutinį skirtumą tarp numatytų ir deklaruotų verčių.

Be to, modelis pasiekė aukštą 0,98 R² tarp numatytų ir deklaruotų verčių, pralenkdamas ankstesnius modelius, tokius kaip K-Arčiausiai kaimynai, kurių klaidų lygis buvo daug didesnis, o tai patvirtina prognozių patikimumą. Pažymėtina, kad modelio nuspėjimo galimybės neapsiribojo JAV. Tyrėjai nustatė, kad modelis veikė tiksliai, kai formaliai buvo išbandytas 14 šalių ir taikomas dar 81 šalyje, o tai pabrėžia jo pasaulinį pritaikymą.

Tyrime taip pat buvo ištirta maisto produktų, atitinkančių tikslinių angliavandenių kokybės santykį, dalis ir nustatyta, kad tiek maisto produktų, tiek maisto produktų skirtumai labai skiriasi. Jungtinėse Amerikos Valstijose produktai, atitinkantys angliavandenių kokybės santykį, labai skyrėsi – nuo ​​santykinai aukšto 60 % karštiems grūdams iki 0 % aromatizuotų pieno ir salyklo gėrimų. Šis platus asortimentas parodė angliavandenių kokybės įvairovę net vienoje šalyje.

Šokolado skonio produktai (pvz., dribsniai ar užkandžių batonėliai) buvo vieni didžiausių pažeidėjų – 95 % nepasiekė tikslo santykio dėl per didelio laisvojo cukraus ir mažo skaidulų kiekio.

Žvelgiant į visas maisto kategorijas, produktų, atitinkančių tikslinį santykį, procentas svyravo nuo 67 % JK, o tai reiškia gana aukštą atitikties kokybės standartui lygį, iki 9,8 % Malaizijoje, o tai rodo, kad produktų, atitinkančių norimą angliavandenių kokybę, dalis yra žymiai mažesnė.

Pažymėtina, kad augaliniai gėrimai, skirtingai nei dauguma gėrimų kategorijų, sąlygojo santykinai aukštą angliavandenių kokybės santykio laikymąsi visose šalyse dėl didesnio skaidulų kiekio ir mažesnio cukraus kiekio.

Tačiau mokslininkai pripažino, kad konkrečių šalių prognozių tikslumą tam tikru mastu gali apriboti nedideli imčių dydžiai, o tai gali turėti įtakos rezultatų apibendrinimui šiuose konkrečiuose regionuose.

Be to, autoriai atliko Z testus, lygindami prognozuojamus ir deklaruojamus laisvojo cukraus kiekius 18 maisto produktų kategorijų Jungtinėse Valstijose ir nustatė statistiškai reikšmingus skirtumus, patvirtinančius modelio tvirtumą.

Diplomas

Apibendrinant galima teigti, kad tyrimas sėkmingai sukūrė ir patvirtino mašininiu mokymusi pagrįstą metodą, leidžiantį numatyti laisvo cukraus kiekį supakuotuose maisto produktuose, naudojant didelio masto pasaulinę duomenų bazę. Šis visiškai automatizuotas ir keičiamo dydžio metodas parodė didelį tikslumą įvairiose šalyse ir maisto kategorijose ir gali būti išplėstas į kitas duomenų bazes ir maistinių medžiagų metriką, kurioms reikia nemokamo cukraus įvertinimo.

Numatomas laisvojo cukraus kiekis taip pat galėtų pagerinti maistinių medžiagų profiliavimo sistemas, tokias kaip Nutri-Score, kurios šiuo metu priklauso nuo bendro cukraus kiekio dėl ribotų ženklinimo reikalavimų.

Šis novatoriškas metodologinis metodas suteikė vertingą ir galingą priemonę angliavandenių kokybei stebėti ir įvertinti pasaulio maisto tiekime ir suteikė svarbių įžvalgų visuomenės sveikatos ir mitybos patarimų iniciatyvoms.

Šaltiniai: