将ChatGPT和DeepSeek进行超加工食品分类的比较:用于营养研究和饮食评估的AI模型

科学领域:

• 营养科学 营养科学
• 人工智能的人工智能
• 计算生物学 计算生物学

背景情况:

• 超加工食品 (UPF) 的消费与负面的健康结果有关.
• 准确的食品分类对于饮食评估和公共健康至关重要.
• 根据NOVA分类系统,根据加工情况对食品进行分类.

研究的目的:

• 评估和比较两个大型语言模型 (LLM) 的性能,DeepSeek-R1和ChatGPT o1.1.
• 评估他们根据NOVA分类系统对食品进行分类的能力.

主要方法:

• 巴西食品成分表中的1168种食品被两种LLM分类.
• 研究人员将LLM分类与由研究人员手动分类的参考列表进行了比较.
• 性能指标包括精度,灵敏度,特异性,精度和F1分数.

主要成果:

• 与DeepSeek-R1 (92.6%和81.1%) 相比,ChatGPT o1获得了更高的准确性 (98.0%) 和F1得分 (95.6%).
• 聊天GPT o1表现出更高的灵敏度 (94.7%与69.8%) 和较少的错误分类 (23与86).
• 这两种模型都显示出高特异性,ChatGPT o1为99.0%,DeepSeek-R1为99.3%.

结论:

• 在支持饮食评估和营养研究方面,LLM表现有前途.
• 使用NOVA框架的自动化工具可以帮助营养学家和研究人员.
• 这可能会导致在临床和研究环境中更快,更一致的食品分类.