根据加州大学戴维斯分校的特雷弗·陈(Trevor Chan)和伊利亚斯·塔戈普洛斯(Ilias Tagkopoulos)于5月28日在开放获取期刊《PLOS数字健康》上发表的一项新研究，一个建议仅替换一到三种食材的人工智能框架可以使餐食显著更有营养且更便宜。
降低糖尿病和心血管疾病等疾病风险的膳食指南已得到充分确立，但将营养科学转化为日常餐食对大多数人来说仍然困难。许多饮食建议工具要求人们一次性做出太多改变，导致不可持续的做法或对如何实施改变感到困惑。
在这项新研究中，研究人员利用"美国人的饮食"研究中55,228名成年人记录的135,491顿餐食数据，确定了早餐、午餐和晚餐的常见餐食模式。然后，他们训练了一个生成式人工智能模型，创建遵循这些模式且能调整份量的现实餐食。研究人员测试了该AI是否能在每顿餐食中识别出一、二或三种食材替换，以进一步改善营养和成本。
与相同膳食模式的真实餐食相比，AI生成的餐食距离美国农业部营养目标近47%，同时在整体餐食类型和风味上仍接近人们实际食用的食物。当应用食材替代时，替换一至三种食物可使营养质量提高约10%，同时降低模拟餐食成本19%至32%。系统识别出的最常见替代方案包括添加蔬菜或豆类，以及替换高钠或加工食品。
改善饮食习惯
与非专业模型GPT-4o相比，经过训练的模型创建的餐食更接近美国农业部关于宏量营养素的指南。
作者强调，该评估完全是计算性的，尚未在真实用户中进行测试。然而，他们认为这可以帮助人们识别改善饮食习惯的简单方法。
作者写道："通过将膳食指南转化为现实的、考虑预算的餐食和简单替换，这一框架可以支持公共卫生项目和消费者应用程序。"
陈和塔戈普洛斯总结道："膳食指南通常告诉人们健康饮食应该是什么样子，但并不总是展示如何从人们已经食用的餐食过渡到健康饮食。我们的研究表明，通过识别少量食材替换，可以将膳食标准转化为实用的餐食级别改变，使餐食更健康且具有成本效益，同时保持其可识别性……我们发现最有趣的是，改善餐食不一定需要完全重新设计。在许多情况下，针对性的替换可能足以使餐食更接近膳食建议，这可能使健康饮食感觉更实用、更容易实现。"
他们补充道："更健康的饮食并不意味着必须放弃人们已经喜欢的餐食。通过人工智能，我们可以识别出既能保持口味，又对我们的健康和钱包更有利的小食材替换。"
这项工作得到了美国农业部和国家科学基金会的资助。
【全文结束】
