跳到正文
营养与代谢研究论文3 分钟阅读

人工智能用于营养:饮食记录和个性化有前景,但证据概括较松散

MoveVitals 编辑部 · 研究发表 · 解读更新

原文:Investigation and Assessment of AI's Role in Nutrition-An Updated Narrative Review of the Evidence. · Nutrients · 2025 · 论文原文 ↗

先看重点

这篇叙述性综述认为,机器学习、可穿戴设备、聊天机器人和图像识别工具正在改变膳食评估、个性化营养和疾病管理。摘要没有给出研究数量或准确度数据,措辞带有宣传色彩,无法说明任何工具的实际效果。

证据类型

研究论文

解读依据

公开摘要

阅读重点

方法与适用范围

研究在问什么

营养研究越来越关注个体和人群层面的饮食与健康,人工智能(AI)正被用于膳食评估、个性化和临床营养,以及心血管疾病、糖尿病、癌症和肥胖等疾病的预测与管理。作者想梳理AI在营养领域的应用,并探讨其未来作用。

研究了谁,如何研究

叙述性综述。作者检索了PubMed、Scopus、Web of Science、Google Scholar和EBSCO数据库。摘要未说明检索时间、检索词、纳入的研究数量,也未说明如何筛选和评价研究。

主要发现

以下为作者报告的结果。数字须连同人群和不确定性一起阅读。

  1. 1
    作者报告,AI工具正在改变饮食评估、营养方案定制和饮食相关疾病管理的方式。
  2. 2
    他们认为膳食评估是最明确的进展:基于视觉识别、深度学习和手机应用的工具被描述为减少了传统方法常见的误差,并能精确估算餐食的营养成分。
  3. 3
    机器学习模型、可穿戴设备和聊天机器人应用被列为改善饮食记录、促进健康饮食的技术,但摘要没有给出准确度或健康结局的具体数字。
  4. 4
    展望未来,作者呼吁开发者、医疗人员、政策制定者和研究者合作,重视高质量数据并应对伦理挑战。

局限与不确定性

  1. 1
    叙述性综述没有明确的研究筛选规则,结论可能取决于作者选择纳入哪些文献。
  2. 2
    摘要没有给出效应量、误差率或样本量,“令人难以置信的精确度”“革命性”等说法只是论断,而非测量结果。
  3. 3
    摘要没有区分对照试验、验证研究和早期原型的证据,因此各项应用的证据强度并不清楚。
  4. 4
    本解读仅基于摘要。

对日常健康的启示

可以把AI饮食记录和指导工具看作让记录更省事的辅助手段,而不是已被证实可替代营养师或标准化饮食记录的方法。这篇综述无法告诉你哪款应用准确;患有糖尿病等疾病的人调整饮食前应咨询医生。

如何联系自己的数据

拍照记录饮食、与可穿戴设备联动的应用和聊天机器人给出的都是估算值,信任前可先用几餐称重的食物核对其热量和营养素结果。请持续使用同一款工具,关注每周趋势,而不是某一餐的数字。

如何理解这类证据

索引未明确确定具体研究设计,应先读方法;核对人群、对照、结局和不确定性,再判断能否作因果解释。

作者的结构化摘要 English

以下英文摘要按记录的开放许可转载,属于作者原始材料,不是 MoveVitals 的解读。上方已提供研究解读,分别说明作者结果与本站解释;重要结论可直接核对原文。

Background

Artificial Intelligence (AI) technologies are now essential as the agenda of nutrition research expands its scope to look at the intricate connection between food and health in both an individual and a community context. AI also helps in tracing and offering solutions in dietary assessment, personalized and clinical nutrition, as well as disease prediction and management, such as cardiovascular diseases, diabetes, cancer, and obesity. This review aims to investigate and assess the different applications and roles of AI in nutrition and research and understand its potential future impact.

Methods

We used PubMed, Scopus, Web of Science, Google Scholar, and EBSCO databases for our search.

Results

Our findings indicate that AI is reshaping the field of nutrition in ways that were previously unimaginable. By enhancing how we assess diets, customize nutrition plans, and manage complex health conditions, AI has become an essential tool. Technologies like machine learning models, wearable devices, and chatbot applications are revolutionizing the accuracy of dietary tracking, making it easier than ever to provide tailored solutions for individuals and communities. These innovations are proving invaluable in combating diet-related illnesses and encouraging healthier eating habits. One breakthrough has been in dietary assessment, where AI has significantly reduced errors that are common in traditional methods. Tools that use visual recognition, deep learning, and mobile applications have made it possible to analyze the nutrient content of meals with incredible precision.

Conclusions

Moving forward, collaboration between tech developers, healthcare professionals, policymakers, and researchers will be essential. By focusing on high-quality data, addressing ethical challenges, and keeping user needs at the forefront, AI can truly revolutionize nutrition science. The potential is enormous. AI is set to make healthcare not only more effective and personalized but also more equitable and accessible for everyone.

来源与署名

Investigation and Assessment of AI's Role in Nutrition-An Updated Narrative Review of the Evidence.

Kassem H, Beevi AA, Basheer S, Lutfi G, Cheikh Ismail L, Papandreou D.

Nutrients · 2025-01-05

DOI: 10.3390/nu17010190 ↗PubMed · 39796624 ↗Europe PMC · 记录的开放许可: cc by ↗

摘要版权归原作者,依据来源记录的开放许可转载。中文译文辅助阅读,英文摘要用于核对术语与具体数值;本站的方法学解释与作者结论分别呈现。

MoveVitals 编辑解读 · 健康教育内容 · 未记录个人临床审阅

来源核验日期 2026-11-01

实用健康指南

放在一起读

·随机试验荟萃分析

更早的进食窗口与更大的体重和胰岛素获益相关,优于晚间进食

汇总41项随机对照试验(2287名参与者,干预时间中位数8周)发现,限时进食比日常饮食体重低2.15 kg(95%置信区间−2.56至−1.74),而早吃比晚吃体重多降1.15 kg(95%置信区间−1.86至−0.45)。多数试验较短,只有6个研究组检验了早间进食,结局是身体和血液指标,不是心脏病发作或死亡。

BMJ Medicine

重点论文精讲阅读论文 →
·随机对照试验

限热量饮食再加上午8点至下午4点进食窗口,1年减重无明显额外优势

139名肥胖患者都按限制热量的饮食进食,其中一组再加上上午8:00至下午4:00的进食窗口,12个月平均体重变化为−8.0 kg,单纯限热量组为−6.3 kg。净差值−1.8 kg(95%置信区间−4.0至0.4;P=0.11)无统计学意义,该区间既不能排除窗口确有获益,也不能排除毫无作用。

The New England Journal of Medicine

重点论文精讲阅读论文 →
·随机对照试验

20人住院试验:超加工饮食让人每天多摄入508 kcal并增重

20名成年人在医院研究病房住了28天,两种菜单各吃2周、想吃多少吃多少:超加工菜单让他们每天多摄入508 kcal(±106,标准误,P=0.0001),体重增加0.9 kg;未加工菜单则让体重减轻0.9 kg。样本小、周期短、食物全程由研究方提供,既不能说明日常生活中的长期结果,也无法确定是食物的哪种特点导致多吃。

Cell Metabolism

重点论文精讲阅读论文 →
·随机对照试验

地中海饮食加橄榄油或坚果与心血管事件减少相关(更正后的试验)

在7447名55至80岁、心血管风险较高的西班牙成年人中,被分到加特级初榨橄榄油(风险比0.69,95%置信区间0.53至0.91)或加坚果(风险比0.72,0.54至0.95)的地中海饮食组,发生主要心血管事件的风险低于被告知减少脂肪的对照组。试验存在随机化失误,2013年的报告已撤回并重新估算,证据有力但并不完美。

The New England Journal of Medicine

重点论文精讲阅读论文 →
营养与代谢 →