AI avslöjar hur mycket dolt socker det finns i förpackad mat över hela världen

AI avslöjar hur mycket dolt socker det finns i förpackad mat över hela världen

En banbrytande algoritm avslöjar hur mycket dolt socker som lurar i din mat – och visar vilka länder och produkter som träffar märket för hälsosamma kolhydrater.

Kolhydrater bidrar med cirka 70 % av det dagliga energiintaget i den genomsnittliga mänskliga dieten världen över. Men vikten av kolhydratkvalitet överskuggas ofta av deras kvantitet. I en studie som nyligen publicerats i tidskriftenGränser i näringEtt europeiskt forskarlag utvecklade en algoritm för att förutsäga innehållet av fritt socker i förpackade livsmedel, vilket ger insikter om kolhydratkvalitet på global skala.

Kolhydrater i kosten

Kolhydrater är en viktig energikälla och spelar en avgörande roll i den globala näringen. Medan diskussioner om kost ofta fokuserar på mängden kolhydrater, är kvaliteten på kolhydrater lika viktig för att upprätthålla en god hälsa. Vetenskapliga bevis visar att kolhydraternas kvalitet påverkar ämnesomsättningen och risken för kroniska sjukdomar.

Ett verktyg för att bedöma kolhydratkvalitet är kolhydratkvalitetsförhållandet (CQR), som utvärderar balansen mellan totala kolhydrater, fibrer och fria sockerarter i livsmedel. Detta förhållande ger minst 1 gram kostfiber per 10 gram totala kolhydrater och inte mer än 2 gram fritt socker per 1 gram fiber. Detta förhållande hjälper till att skilja näringsrika livsmedel från de som kan bidra till dåliga hälsoresultat.

Att exakt bestämma innehållet av fritt socker i förpackade livsmedel är fortfarande en utmaning. Endast ett fåtal länder kräver uttrycklig märkning av ytterligare sockerarter, vilket begränsar insynen för konsumenter och forskare. Fria sockerarter som definieras av Världshälsoorganisationen (WHO) inkluderar tillsatta sockerarter såväl som naturligt förekommande sockerarter i honung, sirap och fruktjuicer, medan FDA definierar tillsatta sockerarter som endast de som introduceras under bearbetningen. Denna brist på information hindrar ansträngningar att effektivt bedöma kolhydratkvalitet, vilket gör det svårt att fatta välgrundade kostbeslut och studera effekterna av kolhydratkonsumtion på hälsan.

Om studien

Algoritmen prioriterade ingredienserna som listades först på etiketterna eftersom livsmedelstillverkare ofta beställer ingredienser efter vikt, vilket ger ledtrådar om sockerdominans i en produkts sammansättning.

I den aktuella studien har forskare utvecklat en algoritm för att förutsäga fritt socker i förpackade livsmedel över hela världen, vilket tar itu med en kritisk kunskapslucka i kolhydratkvalitet. De använde data från Mintel Global New Products Database (GNPD), som innehåller omfattande information om förpackade livsmedel från 86 länder, inklusive näringssammansättning och ingredienslistor.

Innan analysen rengjorde och standardiserade teamet noggrant data för att säkerställa konsekvens. Ett avgörande steg var att manuellt kurera och märka ingredienser med reguljära uttryck för att klassificera dem som tillsatta eller naturligt förekommande sockerarter - en distinktion som var avgörande för att exakt uppskatta innehållet av fritt socker.

För att bygga prediktiva modeller använde forskarna maskininlärningstekniker. De tränade sina modeller med hjälp av data från USA (USA) och testade formellt deras prestanda i 14 utvalda länder, samtidigt som de tillämpade modellerna på produkter från ytterligare 81 länder. Modellerna analyserade produktetiketter med hänsyn till de första sex ingredienserna klassificerade som tillsatta sockerarter, frukter eller mejeriprodukter, samt detaljerad näringsinformation som energiinnehåll, fetter, kolhydrater, fibrer, protein, socker och natrium.

Pipelinen inkluderade tre binära klassificerare för att upptäcka närvaron av ytterligare sockerarter och trädbaserade staplade regressionsmodeller för att uppskatta deras kvantitet. Dessutom användes förutspådda tillsatta sockernivåer som uppskattningar av fritt socker, med undantag för vissa livsmedelskategorier som juicedrycker och sockerkonfektyrer, där totala sockerarter användes direkt på grund av deras unika sockerprofiler.

Slutligen applicerades modellerna på produkter utan explicita ytterligare sockerförklaringar för att förutsäga kolhydratsammansättningen. Kolhydratkvaliteten utvärderades med ett fördefinierat förhållande på 10:1 till 1:2 av kolhydrater, fibrer och fria sockerarter.

Nyckelfynd

Växtbaserade mjölkalternativ (t.ex. havre- eller mandeldrycker) visade förvånansvärt hög överensstämmelse med kolhydratkvalitetsstandarder, vilket överträffade många mejeribaserade produkter över hela världen.

Studien fann att maskininlärningsmodellerna visade en hög nivå av noggrannhet i att förutsäga innehållet av fritt socker i förpackade livsmedel. Det absoluta medelfelet för testsetet beräknades till 0,96 g/100 g, vilket indikerar en relativt liten medelskillnad mellan de förutsagda och deklarerade värdena.

Dessutom uppnådde modellen en hög R² på 0,98 mellan predikterade och deklarerade värden, vilket överträffade tidigare modeller som K-Nearest Neighbors, som hade en mycket högre felfrekvens, vilket bekräftar tillförlitligheten av förutsägelserna. Noterbart var modellens prediktiva kapacitet inte begränsade till USA. Forskarna fann att modellen fungerade korrekt när den formellt testades i 14 länder och tillämpades i ytterligare 81 länder, vilket framhävde dess globala tillämplighet.

Studien undersökte också andelen livsmedelsprodukter som uppfyllde kvalitetskvoten för målkolhydrater och visade betydande variation mellan både livsmedel och livsmedelsländer. I USA varierade produkter som träffade kolhydratkvalitetsförhållandet avsevärt, allt från relativt höga 60 % för varma spannmål till 0 % för smaksatt mjölk och maltdrycker. Detta breda utbud visade mångfalden av kolhydratkvalitet även i ett enda land.

Chokladsmaksatta produkter (som spannmål eller snacks) var bland de värsta brottslingarna, med 95 % som misslyckades med att nå målkvoten på grund av för mycket fritt socker och lågt fiberinnehåll.

När man tittar på alla livsmedelskategorier varierade andelen produkter som uppfyller målkvoten från 67 % i Storbritannien, vilket motsvarar en relativt hög nivå av överensstämmelse med kvalitetsstandarden, till 9,8 % i Malaysia, vilket indikerar en betydligt lägre andel produkter som uppfyller den önskade kolhydratkvaliteten.

Speciellt inducerade växtbaserade drycker - till skillnad från de flesta dryckeskategorier - relativt hög efterlevnad av kolhydratkvalitetsförhållanden i länder på grund av deras högre fiberinnehåll och lägre sockerhalt.

Forskarna erkände dock att noggrannheten i förutsägelserna för specifika länder i viss mån kan begränsas av små urvalsstorlekar, vilket potentiellt kan påverka resultatens generaliserbarhet till dessa specifika regioner.

Dessutom genomförde författarna Z-tester som jämförde förutsagda och deklarerade fria sockernivåer över 18 livsmedelskategorier i USA och fann statistiskt signifikanta skillnader, vilket bekräftar modellens robusthet.

Diplom

Sammanfattningsvis utvecklade och validerade studien framgångsrikt en maskininlärningsbaserad metod för att förutsäga fritt sockerinnehåll i förpackade livsmedel med hjälp av en storskalig global databas. Detta helt automatiserade och skalbara tillvägagångssätt visade stark noggrannhet över länder och livsmedelskategorier och kan utökas till andra databaser och näringsvärdesmått som kräver fria sockeruppskattningar.

De förutspådda fria sockernivåerna kan också förbättra näringsprofileringssystem som Nutri-Score, som för närvarande är beroende av totala sockerarter på grund av begränsade märkningskrav.

Detta innovativa metodiska tillvägagångssätt gav ett värdefullt och kraftfullt verktyg för att övervaka och bedöma kolhydratkvaliteten i den globala livsmedelsförsörjningen och gav viktiga insikter för folkhälso- och näringsrådgivningsinitiativ.

Källor: