基于人工智能的饮食摄入量评估方法的有效性和准确性:系统审查
Sebastián Cofre1,2,3, Camila Sanchez4, Gladys Quezada-Figueroa2,3,5
1School of Nutrition and Dietetics, Faculty of Health Sciences, Universidad Católica del Maule, Talca, Chile.
The British journal of nutrition
|April 10, 2025
概括
基于人工智能的饮食摄入量评估 (AI-DIA) 方法显示出在营养流行病学中准确的营养素和食品分析的前景. 这些AI-DIA工具为传统方法提供了可靠和有效的替代方案,提高了饮食数据的质量.
科学领域:
- 营养流行病学 营养流行病学
- 人工智能在健康中的作用
- 饮食评估方法 饮食评估方法
背景情况:
- 在营养流行病学中,准确的饮食数据对于将食物摄入量与健康结果联系起来至关重要.
- 传统的饮食评估方法在准确性和有效性方面经常面临挑战.
- 人工智能 (AI) 为改善营养和食品分析提供先进的统计模型.
研究的目的:
- 系统地审查基于AI的饮食摄入量评估 (AI-DIA) 方法的有效性和准确性.
- 综合AI-DIA与传统评估技术相比,AI-DIA性能方面的证据.
- 确定营养学研究中AI-DIA的研究缺口和未来方向.
主要方法:
- 在EMBASE,PubMed,Scopus和Web of Science数据库中进行了系统的文献搜索.
- 包括13项符合PRISMA指南的研究,数据分析至2024年12月.
- 分析使用的AI技术,研究设置 (临床前) 和营养估计的相关系数报告.
主要成果:
- 在多项研究中,AI-DIA方法表现出有希望的准确性,在卡路里,巨量营养素和微量营养素方面报告了超过0.7的相关系数.
- 深度学习 (46.2%) 和机器学习 (15.3%) 是使用的主要人工智能技术.
- 在61.5%的研究中观察到中度偏差风险,混偏差是最常见的.
结论:
- AI-DIA方法代表了可靠和有效的替代方法来估计营养素和食物摄入量.
- 为了巩固AI-DIA的作用,需要对多样化的群体,更大的样本大小和强大的实验设计进行进一步的研究.
- AI-DIA有可能显著推进营养流行病学研究.
