Sztuczna inteligencja ujawnia, ile cukru kryje się w pakowanej żywności na całym świecie

Sztuczna inteligencja ujawnia, ile cukru kryje się w pakowanej żywności na całym świecie

Przełomowy algorytm ujawnia, ile ukrytego cukru czai się w Twojej żywności oraz pokazuje, które kraje i produkty osiągają najlepsze wyniki w zakresie zdrowych węglowodanów.

Węglowodany stanowią około 70% dziennego spożycia energii w przeciętnej diecie człowieka na całym świecie. Jednak znaczenie jakości węglowodanów często przyćmiewa ich ilość. W badaniu opublikowanym niedawno w czasopiśmieGranice w żywieniuEuropejski zespół badawczy opracował algorytm przewidywania zawartości wolnego cukru w ​​pakowanej żywności, zapewniając wgląd w jakość węglowodanów w skali globalnej.

Węglowodany w diecie

Węglowodany są ważnym źródłem energii i odgrywają kluczową rolę w żywieniu świata. Podczas gdy dyskusje na temat odżywiania często skupiają się na ilości węglowodanów, ich jakość jest równie ważna dla utrzymania dobrego zdrowia. Dowody naukowe wskazują, że jakość węglowodanów wpływa na funkcje metaboliczne i ryzyko chorób przewlekłych.

Jednym z narzędzi oceny jakości węglowodanów jest współczynnik jakości węglowodanów (CQR), który ocenia równowagę całkowitej zawartości węglowodanów, błonnika i wolnych cukrów w żywności. Stosunek ten daje co najmniej 1 gram błonnika pokarmowego na 10 gramów węglowodanów ogółem i nie więcej niż 2 gramy wolnych cukrów na 1 gram błonnika. Ten stosunek pomaga odróżnić żywność odżywczą od tej, która może przyczyniać się do złych wyników zdrowotnych.

Jednak dokładne określenie zawartości wolnego cukru w ​​pakowanej żywności pozostaje wyzwaniem. Tylko kilka krajów wymaga wyraźnego oznaczania dodatkowych cukrów, co ogranicza przejrzystość dla konsumentów i badaczy. Do cukrów wolnych zdefiniowanych przez Światową Organizację Zdrowia (WHO) zaliczają się cukry dodane oraz cukry naturalnie występujące w miodzie, syropach i sokach owocowych, natomiast FDA definiuje cukry dodane jedynie jako te wprowadzone podczas przetwarzania. Ten brak informacji utrudnia wysiłki mające na celu skuteczną ocenę jakości węglowodanów, utrudniając podejmowanie świadomych decyzji dietetycznych i badanie wpływu spożycia węglowodanów na zdrowie.

O badaniu

Algorytm nadał priorytet składnikom wymienionym na etykietach jako pierwsze, ponieważ producenci żywności często zamawiają składniki według wagi, co dostarcza wskazówek na temat dominacji cukru w ​​składzie produktu.

W niniejszym badaniu naukowcy opracowali algorytm umożliwiający przewidywanie zawartości wolnych cukrów w pakowanej żywności na całym świecie, wypełniając krytyczną lukę w wiedzy na temat jakości węglowodanów. Wykorzystali dane z bazy danych Mintel Global New Products Database (GNPD), która zawiera obszerne informacje na temat pakowanej żywności z 86 krajów, w tym skład odżywczy i listy składników.

Przed analizą zespół skrupulatnie oczyścił i ustandaryzował dane, aby zapewnić spójność. Kluczowym krokiem było ręczne selekcjonowanie i oznaczanie składników wyrażeniami regularnymi w celu sklasyfikowania ich jako cukry dodane lub naturalnie występujące – rozróżnienie to było niezbędne do dokładnego oszacowania zawartości wolnego cukru.

Aby zbudować modele predykcyjne, badacze wykorzystali techniki uczenia maszynowego. Przeszkolili swoje modele, korzystając z danych ze Stanów Zjednoczonych (USA), i formalnie przetestowali ich działanie w 14 wybranych krajach, stosując modele do produktów z 81 dodatkowych krajów. Modele analizowali etykiety produktów pod kątem pierwszych sześciu składników sklasyfikowanych jako dodane cukry, owoce lub nabiał, a także szczegółowych informacji o wartościach odżywczych, takich jak zawartość energii, tłuszcze, węglowodany, błonnik, białko, cukier i sód.

Projekt obejmował trzy klasyfikatory binarne do wykrywania obecności dodatkowych cukrów oraz modele regresji stosowej oparte na drzewach w celu oszacowania ich ilości. Ponadto przewidywane poziomy cukru dodanego wykorzystano do oszacowania zawartości cukrów wolnych, z wyjątkiem niektórych kategorii żywności, takich jak napoje sokowe i słodycze, w przypadku których bezpośrednio wykorzystano cukry ogółem ze względu na ich unikalny profil cukru.

Na koniec modele zastosowano do produktów bez wyraźnych dodatkowych wyjaśnień dotyczących cukru, aby przewidzieć skład węglowodanów. Jakość węglowodanów oceniano przy użyciu wcześniej określonego stosunku węglowodanów, błonnika i wolnych cukrów wynoszącego 10:1 do 1:2.

Kluczowe ustalenia

Roślinne alternatywy mleka (np. napoje owsiane lub migdałowe) wykazały zaskakująco wysoką zgodność ze standardami jakości węglowodanów, przewyższając wiele produktów mlecznych na całym świecie.

Badanie wykazało, że modele uczenia maszynowego wykazały wysoki poziom dokładności w przewidywaniu zawartości wolnego cukru w ​​pakowanej żywności. Obliczony średni błąd bezwzględny dla zbioru testowego wyniósł 0,96 g/100 g, co wskazuje na stosunkowo niewielką średnią różnicę pomiędzy wartościami przewidywanymi i deklarowanymi.

Ponadto model osiągnął wysoki współczynnik R² wynoszący 0,98 pomiędzy wartościami przewidywanymi i deklarowanymi, co przewyższa poprzednie modele, takie jak K-Nearest Neighbors, które charakteryzowały się znacznie wyższym poziomem błędu, co potwierdza wiarygodność przewidywań. Warto zauważyć, że możliwości predykcyjne modelu nie ograniczały się do Stanów Zjednoczonych. Naukowcy odkryli, że model działał prawidłowo po formalnych testach w 14 krajach i zastosowaniu w dodatkowych 81 krajach, co podkreśla jego globalne zastosowanie.

W badaniu zbadano także odsetek produktów spożywczych spełniających współczynnik jakości docelowych węglowodanów i wykazano znaczne różnice zarówno w przypadku żywności, jak i krajów produkujących żywność. W Stanach Zjednoczonych produkty osiągające wskaźnik jakości węglowodanów znacznie się różniły, od stosunkowo wysokiego poziomu 60% w przypadku gorących płatków śniadaniowych do 0% w przypadku mleka smakowego i napojów słodowych. Tak szeroki zakres wskazywał na różnorodność jakości węglowodanów nawet w jednym kraju.

Produkty o smaku czekoladowym (takie jak płatki zbożowe czy batoniki) należały do ​​najgorszych produktów, a 95% z nich nie osiągnęło docelowej proporcji ze względu na nadmierną ilość wolnych cukrów i niską zawartość błonnika.

Biorąc pod uwagę wszystkie kategorie żywności, odsetek produktów spełniających docelowy wskaźnik wahał się od 67% w Wielkiej Brytanii, co oznacza stosunkowo wysoki poziom zgodności z normą jakości, do 9,8% w Malezji, co wskazuje na znacznie niższy odsetek produktów spełniających pożądaną jakość węglowodanów.

Warto zauważyć, że napoje roślinne – w przeciwieństwie do większości kategorii napojów – zapewniały stosunkowo wysokie przestrzeganie wskaźników jakości węglowodanów w różnych krajach ze względu na wyższą zawartość błonnika i niższą zawartość cukru.

Naukowcy przyznali jednak, że dokładność prognoz dla konkretnych krajów może być w pewnym stopniu ograniczona małą liczebnością próby, co może potencjalnie wpłynąć na możliwość uogólnienia wyników na te konkretne regiony.

Ponadto autorzy przeprowadzili testy Z porównujące przewidywane i deklarowane poziomy wolnego cukru w ​​18 kategoriach żywności w Stanach Zjednoczonych i odkryli statystycznie istotne różnice, potwierdzając solidność modelu.

Dyplom

Podsumowując, w ramach badania pomyślnie opracowano i zweryfikowano metodę opartą na uczeniu maszynowym do przewidywania zawartości wolnego cukru w ​​pakowanej żywności przy użyciu wielkoskalowej globalnej bazy danych. To w pełni zautomatyzowane i skalowalne podejście wykazało dużą dokładność w różnych krajach i kategoriach żywności i można je rozszerzyć na inne bazy danych i wskaźniki składników odżywczych, które wymagają szacunków dotyczących bezpłatnego cukru.

Przewidywane poziomy wolnego cukru mogłyby również ulepszyć systemy profilowania składników odżywczych, takie jak Nutri-Score, które obecnie opierają się na zawartości cukrów ogółem ze względu na ograniczone wymogi dotyczące etykietowania.

To innowacyjne podejście metodologiczne zapewniło cenne i potężne narzędzie do monitorowania i oceny jakości węglowodanów w globalnej podaży żywności oraz dostarczyło ważnych informacji dla inicjatyw w zakresie zdrowia publicznego i porad żywieniowych.

Źródła: