基于数据支持的饮食APP帮助用户从喜欢的食物上追踪营养摄入量

人工智能正在迅速改变着人们的生活，而人类健康一直是AI所触及的领域之一、同时也是更加依靠数据驱动的一个领域。

根据数据报告显示，到2027年，全球移动健康（mHealth）市场预计将达到3119.8亿美元。截至2017年，约有325,000个健康应用程序可供消费者用来监测和评估其个人健康状况。这些应用程序已指向的垂直领域之一是使用AI支持更多数据驱动的个性化饮食计划。可以基于人类基因的结构化数据来开发个性化饮食，因为这些数据是不会改变的。

但是，有关表观遗传学和微生物组的非结构化数据可能会受到生活方式和饮食的影响，这对于设计个性化食品和生活方式至关重要。IBM的个人健康和食物记录应用程序 “我吃了什么”由IBM Research构建，是那些专注于个性化饮食并处理非结构化数据的应用程序之一。“我吃了什么”可以识别用户的饮食习惯，并通过单独指导帮助用户采用更好的饮食习惯。IBM Research的AI算法可识别图像中的食物，并通过学习用户喜欢的食物来帮助他们更轻松地跟踪营养摄入量。

案例研究IMDEA食品研究所（IMDEA Food Institute）展示了如何使用AI来支持个性化饮食的数据驱动方法。该研究调查了800名参与者为期7天的试验，调研个体内和个体间对标准餐内血糖反应的差异性。该试验设计了一种ML算法来预测餐后血糖反应，将饮食、人体测量、体力活动和肠道菌群数据结合起来用作输入的训练数据集，并在一个独立的队列研究中，用训练后的ML模型进行验证，最终输出100名参与者的结果。该研究报告指出，不同的人对同一标准餐后的餐后反应差异很大。研究人员还进一步根据ML得出的见解与临床营养师的专家意见，分别为新一组的26个人提供了量身定制的饮食建议，两组报告血糖反应的改善情况是类似的。

毫无疑问，人工智能在支持数据驱动的个性化饮食计划中的作用将随着时间的推移而增加。应用程序将使用机器学习算法来跟踪营养摄入量，并对不同用户的健康提出个性化建议来得到更有针对性的结果。

声明：本文版权归原作者所有，转载请注明出处，请勿转载至外网或用于商业用途。