Spersonalizowane żywienie oparte na sztucznej inteligencji może pomóc w poprawie zdrowia jelit

Spersonalizowane żywienie oparte na sztucznej inteligencji może pomóc w poprawie zdrowia jelit

Sześciotygodniowe badanie pilotażowe pokazuje, że dostosowane diety oparte na sztucznej inteligencji mogą poprawić różnorodność mikrobiomu jelitowego i zmniejszyć ryzyko zdrowotne związane z dietą, chociaż potrzebne są dalsze badania.

Spersonalizowane programy żywieniowe oparte na sztucznej inteligencji (AI) mogą potencjalnie pozytywnie wpłynąć na mikrobiom jelitowy człowieka. Konieczne są jednak dodatkowe badania, aby określić zastosowanie taktyki jelit kształtowanej przez mikrobiom w spersonalizowanym żywieniu.

AktualnySkładniki odżywczeBadanie sprawdza wpływ spersonalizowanych programów żywieniowych opartych na sztucznej inteligencji na mikrobiom jelitowy zdrowych osób.

Korzyści zdrowotne wynikające ze spersonalizowanego żywienia

Zdrowa dieta i styl życia mają kluczowe znaczenie dla zmniejszenia ryzyka chorób niezakaźnych, takich jak cukrzyca, nowotwory, otyłość i choroby układu krążenia. Pomimo tych wytycznych wskaźniki chorób związanych z dietą nadal rosną, co odzwierciedla znaczną zmienność w reakcji poszczególnych osób na jedzenie. Dlatego istnieje pilna potrzeba opracowania nowych spersonalizowanych strategii jako alternatywy dla nieskutecznego podejścia „jedna dieta dobra dla wszystkich”.

W ostatnich latach badacze coraz bardziej interesują się potencjałem spersonalizowanych planów żywieniowych w łagodzeniu schorzeń, takich jak choroby kardiometaboliczne, i promowaniu zdrowego starzenia się.

Technologia AI w żywieniu

Naukowcy zajmujący się żywnością i eksperci ds. żywienia wdrożyli niedawno technologie sztucznej inteligencji, aby promować zrównoważone, przyjazne dla środowiska i spersonalizowane diety. Na przykład opracowano chatboty oparte na sztucznej inteligencji, aby tworzyć optymalne plany dietetyczne w celu utraty wagi i leczenia cukrzycy, a niedawno stworzono oparty na dowodach wirtualny dietetyk oparty na sztucznej inteligencji, aby odpowiadać na pytania związane z dietą dla pacjentów chorych na raka.

W przypadku spersonalizowanego żywienia solidne modele uczenia maszynowego mogą wspierać cyfrowe systemy opieki zdrowotnej, czujniki do noszenia i aplikacje mobilne, które są obecnie monitorowane w celu oceny skuteczności wygenerowanych zaleceń żywieniowych dostosowanych do potrzeb i cech danej osoby.

Wydaje się jednak, że współczesne programy spersonalizowanego żywienia nie doceniają znaczenia czynników biologicznych, które wpływają na zmienność reakcji jednostki na żywność w odniesieniu do jej zdrowia.

O badaniu

Naukowcy biorący udział w bieżącym badaniu ocenili wpływ sześciotygodniowego spersonalizowanego programu żywieniowego opartego na sztucznej inteligencji na skład mikroflory jelitowej zdrowych osób. Oceniono także zależne od diety zmiany w poziomach makroskładników odżywczych, cechy antropometryczne i biochemiczne oraz inne modyfikacje mikroorganizmów jelitowych.

Przeprowadzono badanie pilotażowe z udziałem dwudziestu dziewięciu zdrowych uczestników rekrutowanych z Centrum Badań i Technologii (CERTH) w Grecji. W ramach projektu Protein Project poinstruowano wybranych kandydatów, aby korzystali z cyfrowej aplikacji zdrowotnej na smartfony, która zawiera wskazówki dotyczące utrzymania zdrowego, wartościowego pod względem odżywczym i aktywnego stylu życia.

Aplikacja mobilna Protein dostarczała codzienne i cotygodniowe rekomendacje posiłków w oparciu o nowatorskiego dietetyka spersonalizowanego przez sztuczną inteligencję. Ta oparta na sztucznej inteligencji aplikacja uwzględnia preferencje żywieniowe, stan zdrowia i cechy fizyczne użytkownika, aby zaproponować spersonalizowane, odpowiednie plany dietetyczne.

Na początku (przed spożyciem białka) uczestnicy badania ustalali cele w zakresie odżywiania i aktywności fizycznej, które można osiągnąć dzięki aktywnemu trybowi życia i przestrzeganiu diety śródziemnomorskiej opracowanej z myślą o zaspokojeniu specyficznych potrzeb jednostki. Spersonalizowane plany żywieniowe i PA zostały automatycznie wygenerowane przez doradcę AI i dostarczone uczestnikom za pośrednictwem aplikacji Protein na smartfonach.

Po tym okresie (po białku) dietetyk podczas wizyty kontrolnej oceniał postępy uczestników.

Wyniki badań

Średni wiek badanej kohorty wynosił 35 lat i wszyscy żyli powyżej granicy ubóstwa. Większość uczestników badania była w związku małżeńskim i niepaląca. Spośród 29 osób 20 przekroczyło zalecane dzienne spożycie energii.

Sekwencjonowanie genomowe regionów V3-V4 16S rybosomalnego kwasu rybonukleinowego (rRNA) przeprowadzono na 58 próbkach pobranych od 29 osób. W sumie zidentyfikowano trzy typy, 19 klas, 44 rzędy, 82 rodziny i 231 rodzajów.

MocnoIBakteriodotabyły dominującymi mikrobiomami jelitowymi zidentyfikowanymi na początku badania i podczas sześciotygodniowej wizyty kontrolnej. W obu momentachPrevotella, BacteroidesIFaCalibacteriumbyły często identyfikowane. Jednakże zaobserwowano większą różnorodność i liczebność mikroflory jelitowej w punkcie czasowym po podaniu białka w porównaniu z poziomami wyjściowymi przed białkiem.

Rodospirillebyły najbardziej regulowanymi w górę wariantami sekwencji amplikonu (ASV), uszeregowanymi według istotności, a następnieGrupa Eubacterium CoprostanoligenesIRuminokokiRodzaje. Potencjał funkcjonalny zaobserwowanych zmian taksonomicznych oceniono na podstawie analiz metagenomicznych, które zidentyfikowały 12 szlaków o nominalnym znaczeniu, z których większość była związana z mikrobiologicznymi procesami metabolicznymi i degradacją puryn.

Punkt czasowy po spożyciu białka był powiązany ze znacznym zmniejszeniem spożycia węglowodanów, białka i całkowitej energii. Pod koniec interwencji zaobserwowano również średnie zmniejszenie spożycia alkoholu/napojów, słodyczy i fast foodów o 39%, 33% i 14%. Warto zauważyć, że przestrzeganie diety śródziemnomorskiej nie uległo zmianie w poszczególnych punktach czasowych.

Nie zaobserwowano istotnych zmian w pomiarach antropometrycznych, z wyjątkiem niewielkiego, ale istotnego zmniejszenia średniego obwodu talii. Poziomy PA były konsekwentnie zmienne zarówno przed, jak i po białku w badanej kohorcie.

Zmiany w spożyciu słodyczy były dodatnio skorelowane z masą ciała, tłuszczem, obwodem talii i pomiarami hemoglobiny. Solidny pozytywny związek między spożyciem tłuszczu a sytościąOscyllospirowatezaobserwowano.

Silne pozytywne powiązanie między mocznikiem iLachnospiraceae byłzauważonymając na uwadze, żeujemną korelację pomiędzy poziomem cholesterolu aOscillibacterzgłoszono.

Wnioski

Spersonalizowane interwencje żywieniowe wspomagane sztuczną inteligencją mogą potencjalnie promować ogólny stan zdrowia, ułatwiając zdrową proliferację mikrobiomu jelitowego. W bieżącym badaniu te zmiany w ekosystemie drobnoustrojów jelitowych spowodowały zmniejszenie zaparć, wzdęć i objawów zespołu zapalnego jelit, jednocześnie wspierając funkcje odpornościowe.

Aby zweryfikować te wyniki i zapewnić całościową ocenę wpływu spersonalizowanego podejścia do żywienia na składniki odżywcze oparte na sztucznej inteligencji, potrzebne są przyszłe badania z dłuższymi okresami obserwacji i większymi liczebnościami próbek.

Źródła: