AIによる精密栄養学の革新：包括的レビュー

精密栄養学とは、遺伝学、ライフスタイル、環境要因などの個々の特性に合わせて栄養指導を調整する、高度な食事計画アプローチです。人工知能（AI）の精密栄養学への統合は、栄養推奨の効果と個別化を向上させる前例のない機会を開きます。AIは、マルチオミクスプロファイル、食習慣、病歴などの多様なソースからの膨大なデータを分析し、個人レベルでの微妙な栄養ニーズの特定を可能にします。本レビューでは、AIの最新の進歩とその精密栄養学への応用を探ります。

システマティックレビューおよびメタアナリシス拡張のための推奨項目（PRISMA-ScR）に続くスコーピングレビュー戦略が利用されました。包含基準には、2014年12月8日から2024年5月28日までの期間の、評判の良い学術データベースから取得された英語の記事が含まれます。検索キーワードは、精密栄養学、AI、自然言語処理に分類されました。除外基準には、編集記事、正誤表、手紙、注記、コメント、動物実験が含まれます。合計198件の関連論文がこの文献レビューに含まれました。

198件の記事は、142の掲載媒体に分散しており、98のジャーナルと44の会議が含まれていました。ジャーナルは、臨床医学、食品・栄養科学、情報学、コンピュータサイエンス、生物学の5つの distinct なカテゴリに手動で分類されました。この分布は、臨床医学と情報学における高い関心と活動レベルを反映しており、個別化栄養介入または医療用途のための臨床現場でのAI技術の応用に強い焦点が当てられていることを示唆しています。

分析された198件の出版物のうち、99件は1つ以上の疾患を具体的に研究していました。最も多く研究された疾患トップ3は、糖尿病、心血管疾患、癌です。あまり研究されていない疾患には、消化器疾患、神経変性疾患、摂食障害、精神疾患、肥満、眼精疲労、COVID-19、食物アレルギー、皮膚疾患が含まれます。これらのあまり研究されていない疾患に関する研究は、ほとんどが2020年以降に登場しました。

精密栄養学におけるAIの主な応用は、健康最適化、疾患予防、疾患管理です。健康最適化は、さまざまなAIアプローチを使用した個別化栄養介入を通じて、個人の幸福感を向上させることを目指しています。疾患予防は、個別化された食事推奨を通じて、AIを使用して疾患の発症を予測および予防することに焦点を当てています。疾患管理は、テーラードされた栄養計画を通じて、既存の疾患の管理を支援するためにAIを使用することを含みます。

本レビューは、文献で使用されている多様なデータセットを強調し、将来の研究を導くための方法論と評価指標を要約しています。AI手法は体系的に分類され、各手法は精密栄養学研究からの例とともに説明されています。AIモデルを評価するために使用される評価指標も分類され、関連する例とともに説明されています。

本レビューは、AIを使用した精密栄養学の公平性を促進するための、少数派および文化的視点の重要性を強調しています。社会経済、文化的感受性、技術へのアクセスとデジタルリテラシー、倫理的およびプライバシーに関する懸念、個別化栄養ニーズ、地域社会ベースのアプローチ、政策とアドボカシーなどのさまざまな要因が、精密栄養学のためのAIに与える影響と可能性を探っています。

今後の研究では、精密栄養学におけるAIの可能性を最大限に引き出すために、少数派および文化的要因をさらに統合する必要があります。より包括的な研究、研究方法に関する詳細情報、および詳細なデータセットリンクと説明を含む研究資料が必要です。知識の断片化と出版パターンの散在に対処することも重要です。

このスコーピングレビューは、精密栄養学におけるAIの現在の状況を包括的に概観し、進歩、課題、および今後の方向性を強調しています。掲載媒体、対象疾患、応用、データセット、AI手法、評価指標、および少数派と文化的要因を調べることにより、本レビューは精密栄養学におけるAIの可能性の理解を深め、将来の研究のための新しい方向性を提供します。

AD: アルツハイマー病、AI: 人工知能、ANOVA: 分散分析、AUC: 受信者操作特性曲線下面積、AUROC: 受信者操作特性曲線下面積、CGM: 持続血糖測定、CRC: 大腸がん、DSS: 意思決定支援システム、EHR: 電子カルテ、EN: 経管栄養、FEL: 食品交換リスト、FFQ: 食物摂取頻度質問票、HbA1c: ヘモグロビンA1c、HEI: 健康的食事指数、ICU: 集中治療室、LLM: 大規模言語モデル、LSTM: 長・短期記憶、MIMIC-IV: 集中治療室医療情報データベースIV、NLP: 自然言語処理、PPGR: 食後血糖応答