Avanzar en la nutrición de precisión a través de datos multimodal e inteligencia artificial

Área de la Ciencia:

• Heterogeneidad metabólica y nutrición de precisión.

Sus antecedentes:

• Las respuestas metabólicas individuales a la dieta varían, desafiando las pautas dietéticas universales.
• La nutrición de precisión tiene como objetivo proporcionar recomendaciones dietéticas personalizadas.

Objetivo del estudio:

• Revisar las fuentes de heterogeneidad metabólica (genoma del huésped, microbioma intestinal, conectoma cerebral).
• Para explorar las interacciones de la dieta con estos factores.
• Para discutir las aplicaciones de la IA en la predicción de respuestas dietéticas individualizadas.

Principales métodos:

• Revisión de la literatura actual sobre la heterogeneidad metabólica y la nutrición de precisión.
• Análisis de la genética del huésped, el microbioma intestinal y los datos del conectoma cerebral.
• Discusión de las aplicaciones de inteligencia artificial y aprendizaje automático.
• Destacando diseños de estudio n-of-1 y tecnologías portátiles.

Principales resultados:

• La genética del huésped, el microbioma intestinal y la actividad cerebral influyen significativamente en las respuestas dietéticas personalizadas.
• La agregación de datos multimodal proporciona información sobre las variaciones metabólicas individuales.
• Se están desarrollando modelos predictivos específicos para cada individuo.

Conclusiones:

• La nutrición de precisión es cada vez más factible debido al big data y la IA.
• La integración de la genética del huésped, el microbioma y los datos del cerebro es clave para la nutrición personalizada.
• Las direcciones futuras implican refinar los modelos predictivos y abordar los desafíos actuales.