萬君麗,卞薇

(陸軍軍醫(yī)大學(xué)第一附屬醫(yī)院 眼科,重慶 400038)

《國民營養(yǎng)計(jì)劃(2017-2030年)》[1]中指出,建立健全從醫(yī)院、社區(qū)到家庭的慢性病患者長期營養(yǎng)管理模式可以有效預(yù)防和治療某些慢性疾病,進(jìn)而改善其疾病結(jié)局。然而,個(gè)體對營養(yǎng)的需求因地域、民族、性別、年齡和生理狀況的不同而存在差異,且遺傳背景也會(huì)影響食物和營養(yǎng)素的消化、吸收、轉(zhuǎn)運(yùn)和代謝等[2-4]。因此,基于平均人群建立的膳食指南可能不適用于特殊的慢性病患者群體,如何為慢性病患者實(shí)施個(gè)性化的營養(yǎng)管理進(jìn)而有效改善其疾病結(jié)局成了亟待解決的現(xiàn)實(shí)問題。人工智能相關(guān)營養(yǎng)管理在一定程度上滿足了慢性病患者對醫(yī)療護(hù)理服務(wù)中的營養(yǎng)精準(zhǔn)管理需求,它不僅能為患者提供營養(yǎng)評(píng)估、營養(yǎng)診斷、營養(yǎng)相關(guān)風(fēng)險(xiǎn)篩查以及個(gè)性化的膳食推薦,還能通過動(dòng)態(tài)調(diào)整來實(shí)現(xiàn)患者營養(yǎng)最優(yōu)化進(jìn)而促進(jìn)疾病轉(zhuǎn)歸[5-7]。護(hù)理人員作為營養(yǎng)干預(yù)實(shí)施中的主導(dǎo)者,整合營養(yǎng)相關(guān)信息,為患者提供動(dòng)態(tài)營養(yǎng)監(jiān)測、評(píng)估、干預(yù)和結(jié)局評(píng)價(jià)的全程營養(yǎng)管理是其重要的職責(zé)之一。鑒于此,本文就人工智能在慢性病患者營養(yǎng)精準(zhǔn)管理領(lǐng)域中的應(yīng)用進(jìn)展進(jìn)行綜述,以期為優(yōu)化我國慢性病患者全程營養(yǎng)管理提供參考。

1 營養(yǎng)評(píng)估

人工智能相關(guān)營養(yǎng)評(píng)估指的是采用機(jī)器算法、圖像識(shí)別等人工智能技術(shù)對患者飲食攝入量、核心營養(yǎng)素等進(jìn)行精準(zhǔn)估量、測算和評(píng)價(jià)[8]。近年來,為滿足營養(yǎng)精準(zhǔn)管理對食物和營養(yǎng)素?cái)z入準(zhǔn)確性、便捷性的要求,一系列結(jié)合人工智能技術(shù)的客觀評(píng)估食物和能量攝入的替代方法應(yīng)運(yùn)而生。Ali等[9]研究中,開發(fā)了一款具有食物記錄和計(jì)算并自動(dòng)生成報(bào)告的手機(jī)應(yīng)用程序,使用該手機(jī)應(yīng)用程序和紙質(zhì)食物日記分別記錄54例慢性眼病患者至少3 d的食物攝入量并進(jìn)行評(píng)估、比對。結(jié)果表明,營養(yǎng)師分析的紙質(zhì)食物日記與應(yīng)用程序計(jì)算的各種營養(yǎng)素的攝入量具有較好的一致性,從而證明該應(yīng)用程序能夠替代傳統(tǒng)食物評(píng)估方法,更客觀、快速評(píng)估慢性眼病患者食物和相關(guān)營養(yǎng)素的攝入量,同時(shí)該平臺(tái)也為后續(xù)大數(shù)據(jù)信息深度挖掘工作的開展奠定了基礎(chǔ)。

人工智能的飛速發(fā)展為食品圖像識(shí)別技術(shù)提供了技術(shù)支持。食品圖像識(shí)別是指利用計(jì)算機(jī)深度學(xué)習(xí)對食物圖像進(jìn)行處理、分析和理解,進(jìn)而實(shí)現(xiàn)智能化食物記錄并用于分析[10-11]。Martin等[12]研究中,40名超重和肥胖的成年人6 d內(nèi)利用智能手機(jī)拍攝食物和餐盤的圖像發(fā)送到服務(wù)器,通過人工智能對圖片進(jìn)行識(shí)別,并采用機(jī)器算法和金標(biāo)準(zhǔn)雙標(biāo)記法分別估計(jì)能量和營養(yǎng)素的攝入量。結(jié)果表明,兩種方法估算能量和常量營養(yǎng)素?cái)z入量方面沒有顯著差異。但是該食物圖像識(shí)別方法僅限于每張圖像只能輸出一個(gè)結(jié)果,因此不適用于含有多種食物或飲料的圖像。隨后,為實(shí)現(xiàn)精準(zhǔn)識(shí)別圖像中任何數(shù)量的食物和飲料,Mezgec等[13]在完善食物記錄系統(tǒng)基礎(chǔ)上,采用深度神經(jīng)網(wǎng)絡(luò)即完全卷積網(wǎng)絡(luò)的分割方法和基于深度殘差網(wǎng)絡(luò)的分割方法來架構(gòu)食品和飲料圖像識(shí)別,從而實(shí)現(xiàn)食物檢測、分割和識(shí)別,并運(yùn)用3D重建算法估計(jì)攝入食物的卡路里和常量營養(yǎng)素含量。該研究表明基于人工智能的圖像識(shí)別技術(shù)不僅簡化了膳食評(píng)估方法,加快了評(píng)估速度,以更簡單、更智能、更精準(zhǔn)的方式記錄飲食攝入量,還解決了人工膳食評(píng)估方法的時(shí)間和經(jīng)濟(jì)成本高等問題。

2 營養(yǎng)診斷

人工智能相關(guān)營養(yǎng)診斷指借助智能手機(jī)應(yīng)用程序、電子健康記錄等收集營養(yǎng)相關(guān)數(shù)據(jù),采用機(jī)器學(xué)習(xí)方法,如線性和邏輯回歸、人工神經(jīng)網(wǎng)絡(luò)、決策樹等來明確受檢者的營養(yǎng)狀態(tài),包括營養(yǎng)不良(營養(yǎng)不足)、超重和肥胖、微量營養(yǎng)素異常等[14]。Finkelstein等[15]使用行為風(fēng)險(xiǎn)因素監(jiān)測系統(tǒng)數(shù)據(jù)基于非線性回歸模型預(yù)測肥胖患病率;Ergün[16]采用多層感知神經(jīng)網(wǎng)絡(luò)的數(shù)字模型建立自動(dòng)化系統(tǒng)來識(shí)別和跟蹤肥胖;Karimi-Alavijeh等[17]采用決策樹來明確受檢者是否為代謝綜合征,包括中樞性肥胖、高甘油三脂血癥、高血壓和血脂異常等。通過收集和挖掘大量縱向受試者數(shù)據(jù),包括性別、年齡、體重指數(shù)、腰圍、腰臀比、血壓和身體成分等信息,結(jié)合個(gè)人遺傳、生理狀態(tài)、生活方式等采用機(jī)器學(xué)習(xí)方法進(jìn)行龐大數(shù)據(jù)集分析[14,17],明確受檢者的營養(yǎng)狀態(tài),從而為精準(zhǔn)的飲食、健康管理策略的制訂和實(shí)施提供依據(jù)。

3 營養(yǎng)相關(guān)預(yù)測

3.1 營養(yǎng)相關(guān)疾病風(fēng)險(xiǎn)預(yù)測 根據(jù)個(gè)體飲食攝入種類和營養(yǎng)素?cái)z入量,采用機(jī)器學(xué)習(xí)和深度學(xué)習(xí)等人工智能技術(shù)對大數(shù)據(jù)進(jìn)行分析,從而實(shí)現(xiàn)特定疾病患病風(fēng)險(xiǎn)預(yù)測[6]。Panaretos等[18]對2020名高危人群進(jìn)行了10年心血管疾病隨訪。通過收集的個(gè)體攝入食物或營養(yǎng)物質(zhì)為基礎(chǔ),結(jié)合 “心臟健康評(píng)分”,預(yù)測包括心血管疾病、糖尿病、高血壓和高膽固醇的發(fā)病率。采用膳食信息結(jié)合數(shù)據(jù)分析對受試者進(jìn)行健康評(píng)估。其中數(shù)據(jù)分析分別采用多元線性回歸和兩種機(jī)器學(xué)習(xí)方法(K-最鄰近算法和隨機(jī)森林決策樹)。結(jié)果顯示,多元線性回歸預(yù)測準(zhǔn)確率為16%～22%,機(jī)器學(xué)習(xí)的準(zhǔn)確率較高,約為40%。由此可見,基于多變量回歸模型傳統(tǒng)數(shù)據(jù)分析不適合大型且更為復(fù)雜的數(shù)據(jù),而機(jī)器學(xué)習(xí)能夠識(shí)別更加深層次的復(fù)雜模式,在慢性病患者營養(yǎng)領(lǐng)域中的疾病風(fēng)險(xiǎn)預(yù)測方面顯示出更為獨(dú)特的優(yōu)勢。

3.2 餐后血糖預(yù)測 餐后血糖水平升高是糖尿病前期和2型糖尿病的主要危險(xiǎn)因素,但現(xiàn)有飲食干預(yù)方法控制效果有限。Zeevi等[19]通過監(jiān)測800位慢性病患者7 d的血糖水平發(fā)現(xiàn),對于相同食物,個(gè)體血糖水平差異較大,因而個(gè)性化的飲食建議才是控制血糖效果的最佳方法。該研究團(tuán)隊(duì)設(shè)計(jì)了一種機(jī)器學(xué)習(xí)算法,并基于該算法,采用盲法、隨機(jī)對照飲食干預(yù)測量100位糖尿病患者的血液參數(shù)、飲食習(xí)慣、人體測量學(xué)、體力活動(dòng)和腸道菌群。結(jié)果表明該機(jī)器學(xué)習(xí)算法準(zhǔn)確預(yù)測了現(xiàn)實(shí)飲食中個(gè)性化的餐后血糖反應(yīng),且飲食干預(yù)可顯著降低餐后血糖反應(yīng)。該研究表明個(gè)性化飲食可以成功地改善餐后血糖升高及其代謝后果。這為通過個(gè)性化飲食干預(yù)進(jìn)而更好地監(jiān)測和管理糖尿病提供了基礎(chǔ)。目前,越來越多的手機(jī)應(yīng)用程序被開發(fā)設(shè)計(jì)用來改善糖尿病患者的自我管理,部分應(yīng)用程序還被批準(zhǔn)作為移動(dòng)處方建議患者進(jìn)行治療使用[20]。

4 營養(yǎng)干預(yù)

人工智能相關(guān)營養(yǎng)干預(yù)是指利用物聯(lián)網(wǎng)技術(shù)、人工智能技術(shù)、智能設(shè)備以及相關(guān)監(jiān)測系統(tǒng),實(shí)時(shí)掌握干預(yù)對象在不同階段的營養(yǎng)狀況,通過動(dòng)態(tài)監(jiān)測與評(píng)估對營養(yǎng)干預(yù)方案進(jìn)行及時(shí)調(diào)整,從而實(shí)現(xiàn)營養(yǎng)全程、系統(tǒng)、精準(zhǔn)化的管理[6]。Hallsworth等[21]使用人工智能干預(yù)系統(tǒng)在評(píng)估16例非酒精性脂肪性肝病患者營養(yǎng)需求后,對其進(jìn)行為期12周的飲食和活動(dòng)動(dòng)態(tài)監(jiān)測和干預(yù),包括評(píng)估和反饋、最佳飲食行為建議、協(xié)助制訂目標(biāo)和個(gè)性化計(jì)劃來改變飲食行為、干預(yù)后隨訪支持、自我監(jiān)測等模塊,結(jié)果表明該系統(tǒng)能顯著提升患者的營養(yǎng)管理依從性,智能化地幫助患者維持準(zhǔn)確的營養(yǎng)攝入以促進(jìn)減肥,進(jìn)而改善自身肝臟功能。Berman 等[22]使用AI支持的手機(jī)應(yīng)用程序?yàn)?18例糖尿病患者提供精準(zhǔn)干預(yù)計(jì)劃,對患者進(jìn)行營養(yǎng)評(píng)估后制訂個(gè)性化的干預(yù)計(jì)劃,系統(tǒng)自動(dòng)向患者推送包括飲食、體育活動(dòng)、體重管理相關(guān)宣教材料,通過分析體重檢測和食物報(bào)告結(jié)果再動(dòng)態(tài)調(diào)整干預(yù)策略。結(jié)果顯示,干預(yù)12周后患者的糖化血紅蛋白值顯著降低,且應(yīng)用程序使用越頻繁,患者的血糖控制更好。Oka等[23]開發(fā)出的一款手機(jī)APP,該應(yīng)用程序采用AI驅(qū)動(dòng)的照片分析系統(tǒng),與市面上和自制超過10萬份菜單的數(shù)據(jù)庫相連,不僅能準(zhǔn)確識(shí)別食物照片,還能給出最準(zhǔn)確的能量計(jì)算和營養(yǎng)素?cái)z入量,并根據(jù)日本膳食攝入量標(biāo)準(zhǔn)給出營養(yǎng)評(píng)估結(jié)果,最后進(jìn)行個(gè)性化食物菜單定制、飲食指導(dǎo)、監(jiān)測和個(gè)性化的調(diào)整,從而實(shí)現(xiàn)全程化、精準(zhǔn)化的營養(yǎng)管理。此外,通過智能可穿戴設(shè)備收集患者行為和飲食信息,利用AI和機(jī)器學(xué)習(xí)系統(tǒng)分析不同食物對于血糖的影響,定制營養(yǎng)方案,推薦食譜[6];通過分析生物標(biāo)志物(血液、唾液、尿液、糞便等)、基因、微生物等得出個(gè)性化的健康狀況和營養(yǎng)需求,制訂個(gè)性化健康方案,包括營養(yǎng)素、補(bǔ)充劑推薦等,如采用3D打印技術(shù)定制個(gè)性化維生素軟糖、定制不同成分比例蛋白粉[24]。

5 不足與展望

隨著大數(shù)據(jù)、互聯(lián)網(wǎng)的迅猛發(fā)展,人工智能在慢性病患者營養(yǎng)精準(zhǔn)管理領(lǐng)域的使用日益廣泛。其在生物醫(yī)學(xué)營養(yǎng)領(lǐng)域研究中彌補(bǔ)了無法使用傳統(tǒng)統(tǒng)計(jì)方法有效分析大型數(shù)據(jù)集的不足,并展現(xiàn)出巨大的潛能和應(yīng)用價(jià)值。然而目前該領(lǐng)域應(yīng)用過程中的膳食攝入量評(píng)估精確度、國內(nèi)食品大數(shù)據(jù)庫的完善、促進(jìn)綜合信息下的精準(zhǔn)營養(yǎng)干預(yù)等問題仍亟待解決。

5.1 提高膳食攝入量評(píng)估精確度,保障營養(yǎng)干預(yù)可靠性 移動(dòng)技術(shù)為飲食評(píng)估提供了廣泛的可行選擇,更容易融入日常生活。圖像輔助方法可以通過個(gè)人拍攝圖片(動(dòng)態(tài)圖像)添加飲食場合細(xì)節(jié)來提高傳統(tǒng)飲食評(píng)估方法的準(zhǔn)確性[25]。與傳統(tǒng)評(píng)估方法的結(jié)果相比,所有研究都借助圖像減少了漏報(bào)。然而未來依然需要更大樣本量的研究來更好地解釋用戶年齡、錯(cuò)誤程度和成本對高精度評(píng)估膳食攝入的影響,以保障營養(yǎng)干預(yù)的可靠性和可信度。

5.2 完善國內(nèi)食品大數(shù)據(jù)庫的建立,助力數(shù)據(jù)分析與平臺(tái)搭建 獲取大量的、優(yōu)質(zhì)的數(shù)據(jù)是人工智能方法的前提,因而專業(yè)數(shù)據(jù)庫的建立與完善顯得尤為重要。雖然國內(nèi)已經(jīng)研發(fā)了越來越多的食品相關(guān)數(shù)據(jù)庫[26-28],但是目前,食品科學(xué)領(lǐng)域的數(shù)據(jù)庫類別和數(shù)量與藥物研發(fā)領(lǐng)域之間仍然還有很大的差距。未來,可開發(fā)建立更多種類、更加完善的食品大數(shù)據(jù)庫,如食品添加劑的安全、食品成分、食品營養(yǎng)和食品酶等方面來助力數(shù)據(jù)分析與平臺(tái)搭建。

5.3 促進(jìn)綜合信息下的精準(zhǔn)營養(yǎng)干預(yù),推動(dòng)人工智能服務(wù)精準(zhǔn)營養(yǎng)管理 從最基本的意義上說,精準(zhǔn)營養(yǎng)干預(yù)需要將人類的基因型、表現(xiàn)型與能增加獲得預(yù)期生理結(jié)果機(jī)會(huì)的飲食相匹配[29]。前提包括兩部分:第一是擁有準(zhǔn)確測量人類遺傳和分子特征的能力;第二是能夠準(zhǔn)確測量食物和飲食的分子特性。21世紀(jì)初對人類基因組測序的能力已經(jīng)促使?fàn)I養(yǎng)相關(guān)研究發(fā)生了革命性的變化,然而在測量食物的分子特性方面進(jìn)展卻不大[30]。未來,隨著人工智能技術(shù)的不斷進(jìn)步,可以通過了解飲食分子特性和觀察特定個(gè)體的生理結(jié)果與社會(huì)行為特征,以促進(jìn)基于個(gè)體腸道菌群、遺傳、生理和社會(huì)行為背景等綜合信息的精準(zhǔn)營養(yǎng)干預(yù),進(jìn)一步推動(dòng)人工智能服務(wù)慢性病患者營養(yǎng)精準(zhǔn)管理。

6 小結(jié)

當(dāng)前,人工智能在慢性病患者營養(yǎng)領(lǐng)域正在不斷發(fā)展。將人工智能技術(shù)廣泛運(yùn)用到慢性病患者營養(yǎng)精準(zhǔn)管理領(lǐng)域中,不僅能改善其營養(yǎng)狀況,促進(jìn)疾病轉(zhuǎn)歸,還能更有效地防控重大疾病。而當(dāng)前,對于人工智能技術(shù)在慢性病患者營養(yǎng)精準(zhǔn)管理領(lǐng)域的實(shí)踐和應(yīng)用還存在以下難題,包括膳食攝入量評(píng)估精確度、國內(nèi)食品大數(shù)據(jù)庫的完善、促進(jìn)綜合信息下的精準(zhǔn)營養(yǎng)干預(yù)等問題,這些都需要我們在臨床實(shí)踐和應(yīng)用中進(jìn)行辯證地對待,且還需要通過護(hù)理人員、研究開發(fā)者等各方面持續(xù)努力,才能使其更好地適用于臨床,進(jìn)而真正實(shí)現(xiàn)智能化的慢性病患者營養(yǎng)精準(zhǔn)管理。