跳到正文
營養與代謝研究論文3 分鐘閱讀

人工智慧用於營養:飲食記錄和個性化有前景,但證據概括較鬆散

MoveVitals 編輯部 · 研究發表 · 解讀更新

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

先看重點

這篇敘述性綜述認為,機器學習、穿戴式裝置、聊天機器人和影象識別工具正在改變膳食評估、個性化營養和疾病管理。摘要沒有給出研究數量或準確度資料,措辭帶有宣傳色彩,無法說明任何工具的實際效果。

證據類型

研究論文

解讀依據

公開摘要

閱讀重點

方法與適用範圍

研究在問什麼

營養研究越來越關注個體和族群層面的飲食與健康,人工智慧(AI)正被用於膳食評估、個性化和臨床營養,以及心血管疾病、糖尿病、癌症和肥胖等疾病的預測與管理。作者想梳理AI在營養領域的應用,並探討其未來作用。

研究對象與方法

敘述性綜述。作者檢索了PubMed、Scopus、Web of Science、Google Scholar和EBSCO資料庫。摘要未說明檢索時間、檢索詞、納入的研究數量,也未說明如何篩選和評價研究。

主要發現

以下為作者報告的結果。數值須連同族群和不確定性一起閱讀。

  1. 1
    作者報告,AI工具正在改變飲食評估、營養方案定製和飲食相關疾病管理的方式。
  2. 2
    他們認為膳食評估是最明確的進展:基於視覺識別、深度學習和手機應用的工具被描述為減少了傳統方法常見的誤差,並能精確估算餐食的營養成分。
  3. 3
    機器學習模型、穿戴式裝置和聊天機器人應用被列為改善飲食記錄、促進健康飲食的技術,但摘要沒有給出準確度或健康結局的具體數字。
  4. 4
    展望未來,作者呼籲開發者、醫療人員、政策制定者和研究者合作,重視高質量資料並應對倫理挑戰。

限制與不確定性

  1. 1
    敘述性綜述沒有明確的研究篩選規則,結論可能取決於作者選擇納入哪些文獻。
  2. 2
    摘要沒有給出效應量、誤差率或樣本量,「令人難以置信的精確度」「革命性」等說法只是論斷,而非測量結果。
  3. 3
    摘要沒有區分對照試驗、驗證研究和早期原型的證據,因此各項應用的證據強度並不清楚。
  4. 4
    本解讀僅基於摘要。

日常健康啟示

可以把AI飲食記錄和指導工具看作讓記錄更省事的輔助手段,而不是已被證實可替代營養師或標準化飲食記錄的方法。這篇綜述無法告訴你哪款應用準確;患有糖尿病等疾病的人調整飲食前應諮詢醫師。

如何連結自己的資料

拍照記錄飲食、與穿戴式裝置聯動的應用和聊天機器人給出的都是估算值,信任前可先用幾餐稱重的食物核對其熱量和營養素結果。請持續使用同一款工具,關注每週趨勢,而不是某一餐的數字。

如何理解這類證據

索引未明確指出具體研究設計,應先讀方法;核對族群、對照、結果和不確定性,再判斷能否作因果解釋。

作者的結構化摘要 English

以下英文摘要依所記錄的開放授權轉載,屬於作者原始材料,並非 MoveVitals 解讀。上方已提供研究解讀,分別說明作者結果與本站解釋;重要結論可直接查核原文。

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.

來源與署名

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 · 所記錄的開放授權: cc by ↗

摘要著作權歸原作者,依來源紀錄的開放授權轉載。中文譯文協助閱讀,英文摘要供查核術語及具體數值;本站的方法學解釋與作者結論分別呈現。

MoveVitals 編輯解讀 · 健康教育內容 · 未記錄個人臨床審閱

來源查核日期 2026-11-01

實用健康指南

放在一起讀

·隨機試驗統合分析

更早的進食視窗與更大的體重和胰島素獲益相關,優於晚間進食

彙總41項隨機對照試驗(2287名參與者,介入時間中位數8週)發現,限時進食比日常飲食體重低2.15 kg(95%置信區間−2.56至−1.74),而早吃比晚吃體重多降1.15 kg(95%置信區間−1.86至−0.45)。多數試驗較短,只有6個研究組檢驗了早間進食,結局是身體和血液指標,不是心臟病發作或死亡。

BMJ Medicine

重點論文精講閱讀論文 →
·隨機對照試驗

限熱量飲食再加上午8點至下午4點進食視窗,1年減重無明顯額外優勢

139名肥胖患者都按限制熱量的飲食進食,其中一組再加上上午8:00至下午4:00的進食視窗,12個月平均體重變化為−8.0 kg,單純限熱量組為−6.3 kg。淨差值−1.8 kg(95%置信區間−4.0至0.4;P=0.11)無統計學意義,該區間既不能排除視窗確有獲益,也不能排除毫無作用。

The New England Journal of Medicine

重點論文精講閱讀論文 →
·隨機對照試驗

20人住院試驗:超加工飲食讓人每天多攝取508 kcal並增重

20名成年人在醫院研究病房住了28天,兩種選單各吃2週、想吃多少吃多少:超加工選單讓他們每天多攝取508 kcal(±106,標準誤,P=0.0001),體重增加0.9 kg;未加工選單則讓體重減輕0.9 kg。樣本小、週期短、食物全程由研究方提供,既不能說明日常生活中的長期結果,也無法確定是食物的哪種特點導致多吃。

Cell Metabolism

重點論文精講閱讀論文 →
·隨機對照試驗

地中海飲食加橄欖油或堅果與心血管事件減少相關(更正後的試驗)

在7447名55至80歲、心血管風險較高的西班牙成年人中,被分到加特級初榨橄欖油(風險比0.69,95%置信區間0.53至0.91)或加堅果(風險比0.72,0.54至0.95)的地中海飲食組,發生主要心血管事件的風險低於被告知減少脂肪的對照組。試驗存在隨機化失誤,2013年的報告已撤回並重新估算,證據有力但並不完美。

The New England Journal of Medicine

重點論文精講閱讀論文 →
營養與代謝 →