ثورة الذكاء الاصطناعي: نظام توصيات غذائية شخصية مبني على مؤشر التغذية الصحي

يشكل جودة النظام الغذائي أحد العوامل الرئيسية التي تؤثر على خطر الإصابة بالعديد من الأمراض المزمنة، ومع تقدم تقنيات الذكاء الاصطناعي، أصبحت أنظمة توصيات الطعام قادرة على تعديل اقتراحاتها وفقًا لتفضيلات المستخدم وأهدافه الصحية. إلا أن معظم الأنظمة الحالية تعتمد على قواعد بيانات غذائية غير منظمة بشكل جيد، مما يحد من قدرتها على تقديم توصيات دقيقة ومثبتة.

في دراستها الجديدة، تقدم الباحثون إطار عمل قائمًا على نماذج اللغة الضخمة (LLMs) وتكنولوجيا استرجاع المعلومات المعززة (RAG) المبني على مؤشر التغذية الصحي (HEI). يعتمد هذا النظام على بيانات مسح الصحة والتغذية الوطنية (NHANES) وقاعدة بيانات أنماط الطعام المتكافئة (FPED) لتقديم توصيات غذائية شخصية قوية ودقيقة.

يتم بناء مساحة تمثيل على مستوى الطعام من أوصاف نصية مشتقة من قاعدة بيانات FPED. يقوم النظام بحساب درجات HEI الأساسية لكل عنصر غذائي، واسترجاع خيارات الطعام التي يمكن التوصية بها، وتقدير تأثير خيارات الاستبدال أو الإضافة البسيطة على مؤشر التغذية الصحي.

يعتمد نظام RAG المقيد على نموذج مسبق التعلم من OpenAI لإنشاء توصيات شخصية ومصادر استنادًا إلى ملفات التغذية ومساهمات HEI. أظهرت نتائج المحاكاة زيادة متوسطة في HEI تبلغ 6.45، مع ارتفاع نسبة المستخدمين الذين حصلوا على HEI فوق 50 من 45.12% إلى 61.26%.

بالإضافة إلى ذلك، أظهر التحليل الكمي تحسنًا مستمرًا في توزيع HEI، مما يدعم النتائج التي تشير إلى أن أنظمة الذكاء الاصطناعي القائمة على نموذج LLM-RAG يمكن أن تدعم توجيهًا غذائيًا أكثر دقة وقابلية للتفسير وتخصيصًا لتحسين جودة النظام الغذائي.