一项由人工智能驱动的营养研究揭示，影响肠道健康的不仅在于吃什么，更在于如何规律地吃。瑞士洛桑联邦理工学院（EPFL）的研究人员通过AI与机器学习证实，我们摄入的食物种类及其规律性，是塑造肠道微生物组的双重关键因素。
肠道微生物群是由细菌、病毒、真菌等微生物组成的消化系统群落，部分微生物有益健康，部分则有害。既往研究早已表明饮食显著影响微生物群构成——富含水果、蔬菜、纤维和坚果的饮食能持续提升微生物多样性并改善消化健康。
如今，EPFL研究人员首次发现，遵循健康饮食的规律性与摄入食物的种类或数量同等重要。
营养质量与规律性的重要性
发表于《自然·通讯》的最新研究中，EPFL数字流行病学实验室（隶属计算机与通信科学学院及生命科学学院）证实了既往结论：水果蔬菜等特定食物能促进更丰富的肠道微生物群。在与加州大学圣地亚哥分校合作时，团队还获得突破性发现：保持水果、蔬菜和谷物的规律摄入，对形成健康肠道微生物群至关重要。尽管"每日五种蔬果"等健康理念长期倡导规律饮食，但本研究首次为此提供了实证支持。
"这项研究明确表明，你不能只在'健康日'暴食蔬菜，其余时间却持续不健康饮食，"EPFL数字流行病学实验室主任、AI中心联合主任马塞尔·萨拉特副教授指出，"研究表明，不规律摄入健康食物会抵消其对肠道微生物群的诸多益处。这激励未来研究不仅要关注人们吃什么，更要分析长期饮食模式。"
从微生物组预测饮食
其次，团队证实肠道菌群与饮食存在双向预测关系，准确率高达85%。通过简易粪便样本（医学研究的常见项目），先进机器学习技术能依据微生物群预测个体饮食，反之亦然。
"对圣地亚哥的微生物组研究顶尖专家而言，这令人振奋，"萨拉特解释道，"粪便样本数据获取相对容易，但解析个体饮食却异常困难——这正是我们长期难以收集的数据。"
实时数据的力量
本研究依托"Food & You"队列中约1000名参与者的精细营养数据。EPFL实验室开发的AI应用MyFoodRepo通过实时拍摄食物照片或扫描条形码，实现高分辨率饮食记录。应用AI自动分析营养成分后，再经人工复核验证。
"传统营养研究依赖食物频率问卷和24小时回顾法。理论上可要求人们记录所有饮食，但实际操作近乎不可能，"论文第一作者、数字流行病学实验室博士生罗汉·辛格表示，"如今AI技术使大规模数据收集成为现实。当观察生活方式相关的肠胃疾病时，它们往往渐进发展。鉴于营养是主要诱因，我们的分析或能评估个体饮食改进空间，AI随后可引导调整食物摄入。"
未来展望
萨拉特认为，研究结果暗示现行膳食指南需更新，应同时强调食物种类、数量及健康饮食的规律性。虽然本项目已结束，MyFoodRepo应用仍在支持其他研究：团队正开展营养与认知能力的试点项目，探索二者潜在关联；同时利用"Food & You"研究的条码食品数据，分析超加工食品中的乳化剂等添加剂与肠道微生物群的联系。
"我们强烈推测部分添加剂可能损害微生物群，早期数据已显示此趋势。分析仍在进行中，但初步结果令人振奋，"萨拉特补充道。更广泛而言，MyFoodRepo应用正为全球营养研究开辟新途径。
"从设计之初，我们就需要极度用户友好的工具。我们既满足自身研究需求，也确保其普适性——如今它已应用于全球多项营养研究，"萨拉特总结道。
参考文献：Rohan Singh等，《时间营养分析揭示饮食规律性与质量对肠道微生物多样性的影响：来自Food & You数字队列的见解》，《自然·通讯》，2025年9月30日，DOI: 10.1038/s41467-025-63799-z
资助：MyFoodRepo应用获得Kristian Gerhard Jebsen基金会、Seerave基金会及Leenaards基金会支持。
【全文结束】
