人工智能革新精准营养：全面综述

精准营养是一种先进的膳食规划方法，根据个体特征（包括遗传、生活方式和环境因素）量身定制营养指导。人工智能（AI）在精准营养中的应用为提高营养建议的有效性和个性化提供了前所未有的机会。AI可以分析来自多组学谱、饮食习惯和病史等多种来源的海量数据，从而在个体层面识别细微的营养需求。本综述探讨了AI的最新进展及其在精准营养中的应用。

本研究采用遵循系统评价和荟萃分析首选报告项目扩展指南（PRISMA-ScR）的范围审查策略。纳入标准包括2014年12月8日至2024年5月28日期间发表在信誉良好的学术数据库中的英文文章。搜索关键词分为精准营养、AI和自然语言处理。排除标准包括社论、勘误、信函、笔记、评论和动物研究。本文献综述共纳入198篇相关文章。

这198篇文章分布在142个发表地点，包括98种期刊和44个会议。期刊被手动分为五类：临床医学、食品与营养科学、信息学、计算机科学和生物学。这种分布反映了临床医学和信息学领域的高度兴趣和活跃度，表明在临床环境中应用AI技术进行个性化营养干预或医疗应用具有很强的关注度。

在分析的198篇出版物中，有99篇专门研究了一种或多种疾病。研究最多的前三种疾病是糖尿病、心血管疾病和癌症。研究较少的疾病包括胃肠道疾病、神经退行性疾病、饮食失调、精神健康障碍、肥胖、眼疲劳、COVID-19、食物过敏和皮肤病。对这些研究较少的疾病的研究大多出现在2020年之后。

AI在精准营养中的主要应用是健康优化、疾病预防和疾病管理。健康优化旨在通过各种AI方法，利用个性化营养干预来提升个体的福祉。疾病预防侧重于利用AI通过个性化饮食建议来预测和预防疾病的发生。疾病管理涉及利用AI通过量身定制的营养计划来协助管理现有疾病。

本综述重点介绍了文献中使用的各种数据集，并总结了方法学和评估指标，以指导未来的研究。AI方法被系统地分类，每种方法都附有精准营养研究中的示例。用于评估AI模型的评估指标也进行了分类和解释，并附有相关示例。

本综述强调了少数族裔和文化视角在利用AI促进精准营养公平方面的重要性。它探讨了社会经济因素、文化敏感性、技术可及性和数字素养、伦理和隐私问题、个性化营养需求、社区为基础的方法以及政策和倡导等各种因素对AI在精准营养中的影响和潜力。

未来的研究应进一步整合少数族裔和文化因素，以充分发挥AI在精准营养中的潜力。需要进行更全面的研究，提供详细的研究方法信息和研究材料，包括详细的数据集链接和描述。解决知识碎片化和出版模式分散的问题也至关重要。

本范围审查全面概述了AI在精准营养领域的现状，重点介绍了进展、挑战和未来方向。通过考察发表地点、目标疾病、应用、数据集、AI方法、评估指标以及少数族裔和文化因素，本综述增进了对AI在精准营养中潜力的理解，并为未来的研究提供了新方向。

AD：阿尔茨海默病，AI：人工智能，ANOVA：方差分析，AUC：曲线下面积，AUROC：受试者工作特征曲线下面积，CGM：持续葡萄糖监测，CRC：结直肠癌，DSS：决策支持系统，EHR：电子健康记录，EN：肠内营养，FEL：食物交换列表，FFQ：食物频率问卷，HbA1c：血红蛋白A1c，HEI：健康饮食指数，ICU：重症监护室，LLM：大型语言模型，LSTM：长短期记忆网络，MIMIC-IV：重症监护IV医疗信息数据库，NLP：自然语言处理，PPGR：餐后血糖反应