Η εξατομικευμένη διατροφή με γνώμονα την τεχνητή νοημοσύνη υπόσχεται τη βελτίωση της υγείας του εντέρου

Η εξατομικευμένη διατροφή με γνώμονα την τεχνητή νοημοσύνη υπόσχεται τη βελτίωση της υγείας του εντέρου

Μια πιλοτική μελέτη έξι εβδομάδων δείχνει ότι οι εξατομικευμένες δίαιτες που τροφοδοτούνται από τεχνητή νοημοσύνη μπορούν να βελτιώσουν την ποικιλότητα του μικροβιώματος του εντέρου και να μειώσουν τους κινδύνους για την υγεία που σχετίζονται με τη διατροφή, αν και χρειάζεται περισσότερη έρευνα.

Τα εξατομικευμένα προγράμματα διατροφής που βασίζονται στην τεχνητή νοημοσύνη (AI) έχουν τη δυνατότητα να επηρεάσουν θετικά το μικροβίωμα του εντέρου στον άνθρωπο. Ωστόσο, απαιτείται πρόσθετη έρευνα για τον προσδιορισμό της χρήσης εντερικών τακτικών σε σχήμα μικροβιώματος για εξατομικευμένη διατροφή.

Ένα τρέχονΘρεπτικά συστατικάΗ μελέτη εξετάζει τα αποτελέσματα εξατομικευμένων προγραμμάτων διατροφής που βασίζονται σε AI στο μικροβίωμα του εντέρου υγιών ατόμων.

Τα οφέλη για την υγεία της εξατομικευμένης διατροφής

Η υγιεινή διατροφή και ο τρόπος ζωής είναι ζωτικής σημασίας για τη μείωση του κινδύνου μη μεταδοτικών ασθενειών όπως ο διαβήτης, ο καρκίνος, η παχυσαρκία και οι καρδιαγγειακές παθήσεις. Παρά αυτές τις οδηγίες, τα ποσοστά ασθενειών που σχετίζονται με τη διατροφή συνεχίζουν να αυξάνονται, αντανακλώντας σημαντική διακύμανση στην ανταπόκριση κάθε ατόμου στο φαγητό. Ως εκ τούτου, εξακολουθεί να υπάρχει επείγουσα ανάγκη για νέες εξατομικευμένες στρατηγικές ως εναλλακτική λύση στην αναποτελεσματική προσέγγιση «μία δίαιτα που ταιριάζει σε όλους».

Τα τελευταία χρόνια, οι ερευνητές ενδιαφέρονται ολοένα και περισσότερο για τις δυνατότητες εξατομικευμένων διατροφικών σχεδίων για την ανακούφιση παθήσεων υγείας όπως οι καρδιομεταβολικές ασθένειες και την προώθηση της υγιούς γήρανσης.

Τεχνολογία AI στη διατροφή

Επιστήμονες τροφίμων και ειδικοί σε θέματα διατροφής εφάρμοσαν πρόσφατα τεχνολογίες τεχνητής νοημοσύνης για να προωθήσουν βιώσιμες, φιλικές προς το περιβάλλον και εξατομικευμένες δίαιτες. Για παράδειγμα, έχουν αναπτυχθεί chatbot με γνώμονα την τεχνητή νοημοσύνη για τη δημιουργία βέλτιστων διατροφικών σχεδίων για την απώλεια βάρους και τη διαχείριση του διαβήτη, ενώ πρόσφατα δημιουργήθηκε ένας εικονικός διαιτολόγος AI βασισμένος σε στοιχεία για να απαντά σε ερωτήσεις σχετικά με τη διατροφή για ασθενείς με καρκίνο.

Για εξατομικευμένη διατροφή, τα ισχυρά μοντέλα μηχανικής μάθησης μπορούν να υποστηρίξουν ψηφιακά συστήματα υγείας, φορετούς αισθητήρες και εφαρμογές για φορητές συσκευές, οι οποίες πλέον παρακολουθούνται για την αξιολόγηση της αποτελεσματικότητας των διατροφικών συστάσεων που δημιουργούνται προσαρμοσμένες στις ανάγκες και τα χαρακτηριστικά ενός ατόμου.

Ωστόσο, τα σύγχρονα εξατομικευμένα προγράμματα διατροφής φαίνεται να υποτιμούν τη σημασία των βιολογικών παραγόντων που επηρεάζουν τη μεταβλητότητα των αντιδράσεων ενός ατόμου στα τρόφιμα σε σχέση με την υγεία του.

Σχετικά με τη μελέτη

Οι ερευνητές στην τρέχουσα μελέτη αξιολόγησαν τα αποτελέσματα μιας παρέμβασης εξατομικευμένου προγράμματος διατροφής με βάση την τεχνητή νοημοσύνη έξι εβδομάδων στη σύνθεση της μικροχλωρίδας του εντέρου υγιών ατόμων. Αξιολογήθηκαν επίσης αλλαγές που οφείλονται στη διατροφή στα επίπεδα μακροθρεπτικών συστατικών, στα ανθρωπομετρικά και βιοχημικά χαρακτηριστικά και σε άλλες μικροβιακές τροποποιήσεις του εντέρου.

Πραγματοποιήθηκε πιλοτική μελέτη με είκοσι εννέα υγιείς συμμετέχοντες που προσλήφθηκαν από το Κέντρο Έρευνας και Τεχνολογίας (ΕΚΕΤΑ) στην Ελλάδα. Το Protein Project έδωσε οδηγίες σε επιλεγμένους υποψηφίους να χρησιμοποιήσουν μια ψηφιακή εφαρμογή υγείας smartphone που παρέχει οδηγίες για τη διατήρηση ενός υγιούς, διατροφικά υγιούς και ενεργού τρόπου ζωής.

Η εφαρμογή Protein Mobile παρείχε ημερήσιες και εβδομαδιαίες συστάσεις γευμάτων βασισμένες σε έναν νέο διατροφολόγο εξατομικευμένο με τεχνητή νοημοσύνη. Αυτή η εφαρμογή που βασίζεται σε AI λαμβάνει υπόψη τις διατροφικές προτιμήσεις, τις συνθήκες υγείας και τα φυσικά χαρακτηριστικά του χρήστη για να προτείνει εξατομικευμένα κατάλληλα σχέδια διατροφής.

Στην αρχή (προ-πρωτεΐνη), η διατροφή και οι συμμετέχοντες στη μελέτη έθεσαν στόχους διατροφής και φυσικής δραστηριότητας (PA) που θα μπορούσαν να επιτευχθούν μέσω ενός ενεργού τρόπου ζωής και της τήρησης μιας μεσογειακής διατροφής σχεδιασμένης για να καλύψει τις συγκεκριμένες ανάγκες του ατόμου. Τα εξατομικευμένα σχέδια διατροφής και PA δημιουργήθηκαν αυτόματα από τον σύμβουλο AI και παραδόθηκαν στους συμμετέχοντες μέσω της εφαρμογής Protein σε smartphone.

Μετά από αυτό το διάστημα (μετα-πρωτεΐνη), ο διαιτολόγος αξιολόγησε την πρόοδο των συμμετεχόντων στην επίσκεψη παρακολούθησης.

Αποτελέσματα μελέτης

Ο μέσος όρος ηλικίας της κοόρτης της μελέτης ήταν τα 35 έτη, όλοι τους ζούσαν πάνω από το όριο της φτώχειας. Οι περισσότεροι συμμετέχοντες στη μελέτη ήταν παντρεμένοι και μη καπνιστές. Από 29 άτομα, τα 20 ξεπέρασαν τη συνιστώμενη ημερήσια πρόσληψη ενέργειας.

Ο γονιδιωματικός προσδιορισμός της αλληλουχίας των περιοχών V3-V4 του 16S ριβοσωμικού ριβονουκλεϊκού οξέος (rRNA) πραγματοποιήθηκε σε 58 δείγματα που συλλέχθηκαν από 29 άτομα. Συνολικά, εντοπίστηκαν τρεις φυλές, 19 τάξεις, 44 τάξεις, 82 οικογένειες και 231 γένη.

ΣταθεράΚαιΒακτηριώδηςεντοπίστηκαν κυρίαρχα μικροβιώματα του εντέρου κατά την έναρξη και την επίσκεψη παρακολούθησης έξι εβδομάδων. Και στις δύο χρονικές στιγμές,Prevotella, BacteroidesΚαιFaCalibacteriumεντοπίζονταν συχνά. Ωστόσο, υψηλότερη ποικιλότητα και αφθονία της μικροχλωρίδας του εντέρου παρατηρήθηκε στο χρονικό σημείο μετά την πρωτεΐνη σε σύγκριση με τα βασικά επίπεδα πριν από την πρωτεΐνη.

Rhodospirillalesήταν οι πιο ρυθμισμένες παραλλαγές αλληλουχίας αμπλικονίου (ASVs) που ταξινομήθηκαν με βάση τη σημασία, ακολουθούμενες απόΟμάδα Eubacterium CoprostanoligenesΚαιΡουμινόκοκκοςΓένη. Το λειτουργικό δυναμικό των παρατηρούμενων ταξινομικών αλλαγών εκτιμήθηκε μέσω μεταγονιδιωματικών αναλύσεων, οι οποίες εντόπισαν 12 μονοπάτια ονομαστικής σημασίας, τα περισσότερα από τα οποία συνδέονταν με μικροβιακές μεταβολικές διεργασίες και αποικοδόμηση πουρίνης.

Το χρονικό σημείο μετά την πρωτεΐνη συσχετίστηκε με σημαντικές μειώσεις σε υδατάνθρακες, πρωτεΐνες και συνολική πρόσληψη ενέργειας. Οι μέσες μειώσεις 39%, 33% και 14% στην πρόσληψη αλκοόλ/ποτών, γλυκών και γρήγορου φαγητού παρατηρήθηκαν επίσης στο τέλος της παρέμβασης. Σημειωτέον, η τήρηση της μεσογειακής διατροφής δεν άλλαξε μεταξύ των χρονικών στιγμών.

Δεν παρατηρήθηκαν σημαντικές αλλαγές στις ανθρωπομετρικές μετρήσεις, εκτός από μια μικρή αλλά σημαντική μείωση της μέσης περιφέρειας μέσης. Τα επίπεδα PA ήταν σταθερά μεταβλητά τόσο πριν όσο και μετά την πρωτεΐνη στην κοόρτη της μελέτης.

Οι αλλαγές στην πρόσληψη γλυκών συσχετίστηκαν θετικά με το σωματικό βάρος, το λίπος, την περίμετρο της μέσης και τις μετρήσεις της αιμοσφαιρίνης. Μια ισχυρή θετική συσχέτιση μεταξύ της πρόσληψης λίπους και της πληρότηταςOscillospiraceaeπαρατηρήθηκε.

Μια ισχυρή θετική συσχέτιση μεταξύ ουρίας καιLachnospiraceae ήτανπαρατηρήθηκεενώαρνητική συσχέτιση μεταξύ των επιπέδων χοληστερόλης καιOscillibacterαναφέρθηκε.

συμπεράσματα

Οι εξατομικευμένες διατροφικές παρεμβάσεις με τη βοήθεια AI έχουν τη δυνατότητα να προάγουν τη συνολική υγεία διευκολύνοντας τον υγιή πολλαπλασιασμό του μικροβιώματος του εντέρου. Στην τρέχουσα μελέτη, αυτές οι αλλαγές στο μικροβιακό οικοσύστημα του εντέρου οδήγησαν σε μειωμένη δυσκοιλιότητα, φούσκωμα και συμπτώματα φλεγμονώδους συνδρόμου του εντέρου ενώ υποστηρίζουν τη λειτουργία του ανοσοποιητικού.

Για την επικύρωση αυτών των αποτελεσμάτων και την παροχή μιας ολιστικής αξιολόγησης του αντίκτυπου των εξατομικευμένων διατροφικών προσεγγίσεων στα θρεπτικά συστατικά που βασίζονται στην τεχνητή νοημοσύνη, απαιτούνται μελλοντικές μελέτες με μεγαλύτερες περιόδους παρακολούθησης και μεγαλύτερα μεγέθη δειγμάτων.

Πηγές: