测量食物和营养素摄入量的人工智能应用:范围审查

科学领域:

• 营养科学 营养科学
• 人工智能的人工智能
• 医疗信息学 医疗信息学

背景情况:

• 准确的食物和营养摄入量测量对于营养研究,监测和疾病管理至关重要.
• 传统的方法 (例如,回忆,日记) 遭受回忆错误和社会可取性偏见.
• 人工智能 (AI) 为自动化,客观和可扩展的饮食评估提供了机会.

研究的目的:

• 在食品和营养素摄入量评估中对人工智能应用进行范围审查.
• 综合关于人工智能驱动的饮食评估的有效性,准确性和挑战的证据.
• 确定人工智能饮食评估工具当前的优势和改进领域.

主要方法:

• 遵守PRISMA-ScR (系统性审查的首选报告项目和范围审查的元分析扩展) 准则.
• 在PubMed,科学网络,科克兰图书馆和EBSCO进行全面的文献搜索,截至2023年6月30日.
• 包括使用现代人工智能方法进行人类饮食摄入量评估的研究.

主要成果:

• 25项研究 (2010-2023) 使用人工智能进行了各种输入:食物图像,可穿戴传感器数据 (声音,运动) 和文本.
• 人工智能模型 (深度学习,机器学习) 在食品检测 (74-99.85%) 和营养估计 (10-15%的误差) 中取得了高精度.
• 人工智能系统提供实时监控,提高精度和减少与自我报告方法相比召回偏差.

结论:

• 人工智能显著提高了准确性,减少了劳动力,并使实时饮食监测成为可能.
• 挑战包括适应多样化的食物,确保公平,解决数据隐私问题.
• 人工智能对个人和人口层面的饮食评估具有变革性的潜力,支持精准营养和慢性疾病管理.