KI revolutioniert Präzisionsernährung: Ein umfassender Überblick

Präzisionsernährung ist ein fortschrittlicher Ansatz zur Ernährungsplanung, der Ernährungsberatung auf individuelle Merkmale wie Genetik, Lebensstil und Umweltfaktoren zuschneidet. Die Integration künstlicher Intelligenz (KI) in die Präzisionsernährung eröffnet beispiellose Möglichkeiten zur Verbesserung der Wirksamkeit und Personalisierung von Ernährungsempfehlungen. KI kann riesige Datenmengen aus verschiedenen Quellen analysieren, wie z. B. Multiomik-Profile, Ernährungsgewohnheiten und Krankengeschichten, und so die Identifizierung nuancierter Ernährungsbedürfnisse auf individueller Ebene ermöglichen. Dieser Überblick untersucht die neuesten Fortschritte in der KI und ihre Anwendungen in der Präzisionsernährung.

Es wurde eine Scoping-Review-Strategie nach der Preferred Reporting Items for Systematic reviews and Meta-Analyses extension for Scoping Reviews (PRISMA-ScR) angewendet. Einschlusskriterien waren Artikel im Zeitraum vom 8. Dezember 2014 bis 28. Mai 2024 in englischer Sprache, bezogen aus seriösen akademischen Datenbanken. Suchbegriffe wurden in Präzisionsernährung, KI und natürliche Sprachverarbeitung (Natural Language Processing, NLP) eingeteilt. Ausschlusskriterien waren Leitartikel, Korrekturen, Briefe, Notizen, Kommentare und Tierstudien. Insgesamt wurden 198 relevante Artikel in diese Literaturübersicht aufgenommen.

Die 198 Artikel wurden auf 142 Publikationsorte verteilt, darunter 98 Fachzeitschriften und 44 Konferenzen. Die Fachzeitschriften wurden manuell in fünf verschiedene Kategorien eingeteilt: Klinische Medizin, Lebensmittel- und Ernährungswissenschaften, Informatik, Informatik und Biologie. Diese Verteilung spiegelt ein hohes Interesse und eine hohe Aktivität in den Bereichen Klinische Medizin und Informatik wider, was auf einen starken Fokus auf die Anwendung von KI-Techniken in klinischen Umgebungen für personalisierte Ernährungsinterventionen oder medizinische Anwendungen hindeutet.

Von den 198 analysierten Publikationen befassten sich 99 speziell mit einer oder mehreren Krankheiten. Die drei am häufigsten untersuchten Krankheiten sind Diabetes, Herz-Kreislauf-Erkrankungen und Krebs. Weniger untersuchte Krankheiten sind Magen-Darm-Erkrankungen, neurodegenerative Erkrankungen, Essstörungen, psychische Erkrankungen, Fettleibigkeit, Augenermüdung, COVID-19, Lebensmittelallergien und Hauterkrankungen. Die Forschung zu diesen weniger untersuchten Krankheiten entstand meist nach 2020.

Die Hauptanwendungen von KI in der Präzisionsernährung sind Gesundheitsoptimierung, Krankheitsprävention und Krankheitsmanagement. Gesundheitsoptimierung zielt darauf ab, das Wohlbefinden von Einzelpersonen durch personalisierte Ernährungsinterventionen unter Verwendung verschiedener KI-Ansätze zu verbessern. Krankheitsprävention konzentriert sich auf den Einsatz von KI zur Vorhersage und Verhinderung des Auftretens von Krankheiten durch personalisierte Ernährungsempfehlungen. Krankheitsmanagement beinhaltet den Einsatz von KI zur Unterstützung des Managements bestehender Krankheiten durch maßgeschneiderte Ernährungspläne.

Die Übersicht hebt die in der Literatur verwendeten vielfältigen Datensätze hervor und fasst Methoden und Bewertungsmetriken zusammen, um zukünftige Studien zu leiten. KI-Methoden werden systematisch kategorisiert, wobei jede Methode zusammen mit Beispielen aus der Präzisionsernährungsforschung beschrieben wird. Bewertungsmetriken zur Beurteilung von KI-Modellen werden ebenfalls kategorisiert und mit relevanten Beispielen erklärt.

Die Übersicht betont die Bedeutung von Minderheiten- und kulturellen Perspektiven bei der Förderung von Gleichberechtigung in der Präzisionsernährung mithilfe von KI. Sie untersucht die Auswirkungen und das Potenzial verschiedener Faktoren wie Sozioökonomie, kulturelle Sensibilität, technologische Zugänglichkeit und digitale Kompetenz, ethische und datenschutzrechtliche Bedenken, personalisierte Ernährungsbedürfnisse, gemeindebasierte Ansätze sowie Politik und Interessenvertretung auf KI für die Präzisionsernährung.

Zukünftige Forschung sollte Minderheiten- und kulturelle Faktoren weiter integrieren, um das Potenzial der KI in der Präzisionsernährung voll auszuschöpfen. Es besteht Bedarf an umfassenderer Forschung, detaillierteren Informationen zu Forschungsmethoden und Forschungsmaterialien, einschließlich detaillierter Dataset-Links und Beschreibungen. Die Bewältigung des fragmentierten Wissens und der verstreuten Publikationsmuster ist ebenfalls von entscheidender Bedeutung.

Diese Scoping-Review bietet einen umfassenden Überblick über die aktuelle Landschaft der KI in der Präzisionsernährung und hebt Fortschritte, Herausforderungen und zukünftige Richtungen hervor. Durch die Untersuchung von Publikationsorten, Zielkrankheiten, Anwendungen, Datensätzen, KI-Methoden, Bewertungsmetriken und Minderheiten- sowie kulturellen Faktoren verbessert diese Übersicht das Verständnis des Potenzials der KI in der Präzisionsernährung und bietet neue Richtungen für zukünftige Forschung.

AD: Alzheimer-Krankheit, AI: Künstliche Intelligenz, ANOVA: Varianzanalyse, AUC: Fläche unter der Kurve, AUROC: Fläche unter der Receiver Operating Characteristic, CGM: Kontinuierliche Glukosemessung, CRC: Kolorektales Karzinom, DSS: Entscheidungsunterstützungssystem, EHR: Elektronische Gesundheitsakte, EN: Enterale Ernährung, FEL: Food Exchange List, FFQ: Food Frequency Questionnaire, HbA1c: Hämoglobin A1c, HEI: Healthy Eating Index, ICU: Intensivstation, LLM: Large Language Model, LSTM: Long Short-Term Memory, MIMIC-IV: Medical Information Mart for Intensive Care IV, NLP: Natural Language Processing, PPGR: Postprandiale glykämische Reaktion