研究：与营养师相比，人工智能饮食计划低估了青少年的营养摄入量。图片来源：ilona.shorokhova/Shutterstock.com人工智能（AI）越来越多地用于青少年的饮食计划，但一项新的研究表明，它可能达不到预期的效果。发表在《营养前沿》（Frontiers in Nutrition）上的这项调查发现，人工智能支持的建议可能一直低估了青少年所需的营养摄入量。青少年肥胖问题日益严重，促使人们对容易获得的饮食建议产生需求全球青少年超重和肥胖率正在迅速上升，到2022年将影响约3.9亿青少年。事实上，许多地区现在都报告说这是营养不良的主要形式。体重过重与多种不良健康结果相关，包括2型糖尿病、血胆固醇异常、高血压和睡眠呼吸暂停。这些年轻人成年后也更容易肥胖，生活质量也更低。青少年也容易担心身体形象，渴望减肥，包括潜在的危险方法，如饭后呕吐或过量使用泻药。饮食调整是改善这一地区儿童健康的关键。营养师是根据既定指南设计和监督个性化营养计划的健康专业人员。然而，并非所有人都能获得他们的服务，而且他们繁重的工作量可能使青少年无法获得所需的饮食建议和后续行动。基于人工智能的工具，如聊天机器人，正被用来克服这些限制，但只有少数研究评估了它们在青少年营养中的作用。类似地，像ChatGPT这样的大型语言模型（llm）可以提供有用的信息来支持营养计划，但也有重要的局限性。现有的研究表明，它们可能不符合安全标准或国际营养建议，尤其是在现实条件下。人工智能工具也不太可能提供与营养师相同水平的量身定制患者服务。然而，这些证据大多是基于成人研究或临床病例。目前的研究试图直接比较人工智能生成的饮食与针对超重或肥胖青少年的个性化营养师准备的饮食。比较的领域是能量和营养含量、安全性和可行性。通过比较可以看出，人工智能聊天机器人是否可以代替营养师为这类患者制定营养计划，或者在营养师的监督下作为辅助工具。研究人员将五种人工智能工具与营养师计划进行了比较研究人员使用5个人工智能模型（chatgpt - 40、Gemini 2.5 Pro、Claude 4.1、Bing Chat-5GPT和Perplexity），在两个疗程内生成了60个饮食计划。每个模型根据四种标准化青少年档案的提示制定了三天的饮食计划：男孩超重或肥胖，女孩超重或肥胖。将这些数据与营养师为每个档案准备的参考一日饮食计划进行比较。据此，营养建议的能量分布如下：45%来自碳水化合物，30%来自脂肪，35%来自蛋白质，15%来自蛋白质。然后，研究人员分析了每种计划的能量和常量营养素含量。人工智能饮食低估了能量和关键营养素结果显示出一种一致的、可能令人担忧的模式。人工智能模型所包含的能量和常量营养素比营养师在他们的计划中所包含的要少。能量短缺695千卡，蛋白质短缺20克，脂肪减少16克，碳水化合物减少115克。势能差可能具有重要的临床意义，特别是考虑到青少年的高能量需求。作者认为，鉴于这种典型的脂肪供过于求和低碳水化合物含量，法学硕士可能更多地依赖于流行的饮食，如生酮饮食，而不是科学指南，这解释了低碳水化合物，高脂肪的方法。这可能会扰乱这一关键发育窗口期的生长、新陈代谢和认知发育。因此，这些建议的长期安全性尚未得到证实。这五种模型推荐的蛋白质含量为23.7%，脂肪含量为44.5%。两者都高于青少年的推荐水平。相比之下，碳水化合物最多占饮食的36.3%，低于推荐水平。营养学家的计划包含44% - 46%的碳水化合物，这取决于个人概况。蛋白质的比例在18%到20%之间，脂肪的比例在36%到37%之间。总的来说，这些计划与国家建议一致。作者指出，这种模式说明了所有人工智能模型向低CHO、高蛋白质和高脂膳食结构的系统性转变，这表明在人工智能生成的计划中，常量营养素平衡，而不仅仅是以克为基础的营养素的数量，被严重破坏了。在人工智能生成的饮食中，微量营养素组成存在显著差异，在模型之间以及与营养师参考相比存在显著差异。这可能导致青少年微量营养素不足，表明这些计划在没有专业监督的情况下可能尚不适合临床使用。没有一个模型在所有营养素上都与营养师参考饮食密切相关。这组作者指出，这是首次比较不同的llm对青少年营养需求的影响，并对宏量营养素和多种微量营养素以及宏量营养素进行了详细的评估。正如早期的研究表明的那样，这可能表明人工智能在这一领域缺乏技术专长。这可能会妨碍人工智能生成的个性化饮食计划中对能量和常量营养素组成的准确估计。优势与局限这项研究有几个优势。它评估了五种不同的人工智能模型，增强了分析的稳健性和比较能力。通过制定三天的饮食计划，研究人员能够评估一致的模式，而不是孤立的异常，从而加强了研究结果的可靠性。在国际饮食指南的基础上使用营养师设计的计划提供了一个可信的和临床相关的参考标准。此外，对宏量营养素和微量营养素的综合评估能够对膳食质量进行详细、多维的评估。尽管有这些优势，这项研究也有局限性。它的发现可能只适用于测试的特定人工智能模型，这些模型在不断发展，一些潜在的相关信息可能在标准化的青少年档案中缺失，从而限制了个性化。统计方法，包括使用平均多日产出，可能会影响结果和变异估计的独立性。此外，该研究依赖于模拟场景，而不是现实世界的青少年行为，这可能会限制生态有效性。最后，使用单一语言的标准化提示可能会限制研究结果在其他人群和环境中的普遍性。无人监督的人工智能营养建议的风险人工智能模型在宏观和微观层面上都显示出青少年饮食计划的临床显著偏差。它们始终推荐比营养师设计的饮食更低能量和碳水化合物含量的饮食。在这些差距得到解决之前，作者警告说，人工智能生成的饮食计划不应该取代青少年的专业饮食指导。
-
生物通官微
陪你抓住生命科技
跳动的脉搏
