Un nouveau système d'IA fournit des menus hebdomadaires personnalisés enracinés dans la cuisine méditerranéenne, équilibrant le goût, la nutrition et les besoins culturels, à moins que vous ayez une allergie aux noix ou aux produits laitiers.
Étude: un système de recommandation nutritionnelle basée sur l'IA: validation technique avec des informations de la cuisine méditerranéenne. Crédit d'image: Dragon Images / Shutterstock
Les maladies chroniques ou de style de vie, y compris les AVC, la crise cardiaque, l'obésité et le diabète de type 2, sont en augmentation, en grande partie en raison des commutateurs des habitudes alimentaires et d'activité physique. L'intelligence artificielle (IA) est mise en service pour formuler des plans de repas personnalisés et équilibrés pour des personnes en bonne santé qui correspondent à leurs goûts et à leurs besoins.
Un article récent publié dans la revue Frontières en nutrition Présente un système de recommandation nutritionnelle basée sur l'IA (AINR) qui produit des plans de repas hebdomadaires à partir d'un menu méditerranéen, conforme aux recommandations caloriques et au macronutriments tout en appliquant la diversité alimentaire et les règles alimentaires.
Sommaire
Introduction
La plupart des gens savent qu'ils doivent être physiquement actifs et manger une alimentation équilibrée. Les habitudes de travail, les horaires familiaux et les ressources financières entravent souvent l'adoption de ces habitudes. Pour les sevrer de la malbouffe, les experts ont exploré la faisabilité et l'efficacité des systèmes de recommandation nutritionnelle. Ceux-ci sont conçus pour aider les utilisateurs à choisir leurs meilleurs régimes pour une conformité à long terme et une meilleure santé.
L'IA est désormais exploitée pour produire des plans de repas optimaux en fonction des choix alimentaires et des besoins des utilisateurs, y compris les allergies, la saisonnalité, les facteurs culturels et les besoins en calories. Alors que les grands modèles de langage (LLMS) comme Chatgpt représentent les approches émergentes dans l'IA nutritionnelle, l'AINR actuel utilise à la place des méthodes basées sur des règles.
Systèmes traditionnels vs IA
Ces systèmes de recommandation nutritionnelle peuvent être classés comme systèmes traditionnels et basés sur l'IA.
Systèmes traditionnels
Le premier type de système utilise quatre types d'approches pour planifier les repas:
- Techniques d'optimisation combinatoire
- Filtrage basé sur le contenu
- Filtrage collaboratif
- Approches hybrides
L'analyse combinatoire vise à assurer une variété adéquate dans le régime alimentaire et comprend tous les groupes alimentaires, en réalisant la rentabilité tout en respectant les préférences des utilisateurs. Malgré leur solidité mathématique, les algorithmes utilisés ici peuvent ne pas refléter avec précision les objectifs et les choix des utilisateurs. Ils simplifient également les règles nutritionnelles, tout en rétrécissant le domaine de la diversité alimentaire. Ces limitations restreignent son applicabilité à la planification réelle des repas dans la vie réelle.
Les trois autres types d'approche sont en corrélation des préférences des utilisateurs et / ou les attributs alimentaires pour personnaliser les suggestions alimentaires. Ils s'appuient sur des interactions passées ou des profils utilisateur pour suggérer des aliments similaires à ceux représentés sur le profil utilisateur utilisé, ou d'autres utilisateurs avec un profil similaire. Les approches hybrides visent à mélanger les meilleures parties de ces méthodes pour optimiser et augmenter encore la pertinence du plan de repas.
Systèmes basés sur l'IA
Les systèmes de recommandation nutritionnelle basés sur l'IA ont été conçus pour surmonter les obstacles d'avoir trop peu de données dans de nombreux domaines clés, des problèmes d'évolutivité et de devoir faire face à un démarrage à froid. Ces restrictions alimentaires des utilisateurs de poids (comme les allergies ou les tabous culturels) et les objectifs de santé, ainsi que le contenu nutritionnel. Les systèmes basés sur les connaissances et les systèmes basés sur l'apprentissage automatique (ML) sont actuellement utilisés dans de tels systèmes.
Les systèmes basés sur les connaissances sont représentés par l'approche d'optimisation à plusieurs objectifs (MAOO) et le mécanisme du générateur de plans de repas (MPG), ou le producteur de protéine-AI-Advisor, qui compile des plans de repas hebdomadaires basés sur des repas déjà préréglés sur le plan nutritionnel conformément aux besoins des utilisateurs et aux règles de régime. À l'inverse, les plates-formes basées sur ML apprennent du contexte et du comportement des utilisateurs et des préférences exprimées pour proposer des plans de repas personnalisés quotidiens.
Recommander nutritionnel basé sur l'IA (AINR). L'AINR est nourri avec le profil et les préférences de l'utilisateur, avec des principes de régime sain et des aliments d'une base de données méditerranéenne Meals and Dishes. Le cœur de l'AINR traite ces informations à l'aide de règles et de mécanismes de filtrage validés d'experts pour proposer des plans de repas hebdomadaires personnalisés sains aux utilisateurs.
À propos de l'étude
La présente étude présente un AINR conçu pour fournir des plans de repas hebdomadaires basés sur le régime méditerranéen, soit espagnol ou turc. Le système a été testé sur 4 000 profils d'utilisateurs générés, y compris ceux souffrant d'allergies (produits laitiers, d'oeufs, de noix, de poissons) et de préférences (halal).
Comment ça marche
L'objectif était de préparer un plan de nutrition hebdomadaire en utilisant un processus rigoureux en quatre étapes:
- Filtre les repas par saisonnalité et cuisine locale
- Exclure les repas en conflit avec les allergies / préférences
- Générez et marquez des plans de repas quotidiens contre les cibles énergétiques / macronutriments
- Assemblez des plans hebdomadaires appliquant les règles de diversité alimentaire (par exemple, max trois portions de poissons / semaine, pas de plats répétés> 3x / semaine)
Surtout, la surveillance humaine est requise car les plans générés automatiquement ne sont pas validés par nutritionniste.
Résultats de l'étude
Les résultats ont démontré une précision de filtrage à 100% pour le pays, les allergies, les préférences et la saisonnalité. Cependant, les plans hebdomadaires n'ont été générés que pour environ 90% des profils:
- Les utilisateurs espagnols souffrant d'allergies au lait / noix ont reçu 0% de plans viables en raison des lacunes de la base de données (par exemple, pas d'options de petit-déjeuner espagnol pour les utilisateurs allergiques au lait)
- Les profils mâles turcs ont montré une précision plus faible (87% de calories, 66% de protéines)
- Les utilisateurs espagnols et les femmes turques ont atteint une précision calorique de 98% et une précision de macronutriments> 90%
Les allergies au lait et aux noix ont empêché la planification hebdomadaire, en particulier pour les utilisateurs espagnols, en raison des options de base de données limitées. Le système AINR a besoin d'une expansion de la base de données avec des substituts laitiers et, surtout, de la validation du monde réel.
Conclusions
Le système AINR « est prometteur pour faciliter les habitudes alimentaires plus équilibrées » mais nécessite des améliorations de base de données pour les allergies et les utilisateurs masculins turcs. Les chercheurs le testeront avec des utilisateurs réels dans l'intervention Switchtohealthy et prévoient de l'étendre à la planification des repas en famille.
