تُعتبر ارتفاع سكر الدم بعد تناول الطعام (postprandial hyperglycemia) من المخاطر الأساسية المرتبطة بالاضطرابات الأيضية، ورغم ذلك، فإن الإرشادات الغذائية الحالية غالبًا ما تكون ثابتة وغير عملية، مما يجعل من الصعب اتباعها أو عدم جدواها. شهدت التقنيات الحديثة في مراقبة الجلوكوز المستمرة (Continuous Glucose Monitoring - CGM) والتعلم الآلي تقدماً كبيراً في توقع استجابات نسبة السكر، ولكنها تظل قابلة للتنبؤ فقط وتفتقر إلى التوجيه العملي.

هنا تأتي أداة MetaPlate لتحدث ثورة في هذا المجال! تم تصميم MetaPlate كإطار دعم للقرارات مدعوماً بتفسيرات مضادة (Counterfactual) وواعي للسياق، حيث تقدم توصيات غذائية شخصية تهدف إلى الحد من تقلبات مستوى الجلوكوز في دم البالغين الأصحاء. تعتمد هذه الأداة على دمج بيانات متعددة الأبعاد، بما في ذلك قراءات مراقبة الجلوكوز، الإشارات الفسيولوجية المستمدة من الأجهزة القابلة للارتداء، ومدخلات الوجبات من 25 فردًا لتشكيل السياق قبل الوجبة.

يعمل نموذج التعلم الآلي على توقع استجاية مستوى الجلوكوز، بينما يُعدل وحدة تحسين التفسيرات المضادة تركيبة الوجبات من خلال تعديل كميات المغذيات للحفاظ على مستوى الجلوكوز ضمن نطاق مستهدف (≤ 140 mg/dL). وعلاوة على ذلك، يقوم طبقة الاسترجاع المدعومة بطرق التوليد (Retrieval-Augmented Generation - RAG) المعتمدة على نماذج اللغة الكبيرة (Large Language Models - LLM) بتحسين قابلية تفسير التوصيات عبر إنتاج توصيات مفهومة للقارئ من خلال البحث المقيد في قاعدة بيانات الغذاء الأمريكية (USDA food database).

تم تقييم MetaPlate عبر تقييم منظم يتم بمشاركة خبراء التغذية المسجلين، حيث تمت المقارنة بين الأداء قبل وبعد تحسين المدخلات. وقد أظهرت النتائج تحسينات في واقعية الوجبات، ملاءمة الحصص، واحتمالية التوصية، مع إشارة تعليقات الخبراء إلى تحول من مخرجات غير قابلة للتطبيق سريرياً إلى توصيات عملية وسياقية مناسبة. تؤكد اكتشافاتنا على أهمية المعرفة المتخصصة والقيود المنظمة في الأنظمة المدفوعة بواسطة نماذج اللغة الكبيرة، وتسلط الضوء على إمكانيات MetaPlate كأداة دعم قرار غذائي شخصية في الوقت الحقيقي.

إذا كنت تبحث عن طريقة جديدة لتحسين صحتك الغذائية، فإن MetaPlate قد تكون الحل الذي تحتاجه! كيف تعتقد أن هذه التكنولوجيا يمكن أن تؤثر على نمط حياتك؟ شاركونا في التعليقات!