基于人工智能（AI）的个性化营养计划有可能对人类的微生物群落微生物组产生积极影响。然而，还需要更多的研究来确定使用微生物群落微生物组信息进行个性化营养的方法。
最近的一项《Nutrients》研究探讨了基于AI的个性化营养计划对健康个体微生物群落微生物组的影响。
健康的饮食和生活方式对于降低非传染性疾病如糖尿病、癌症、肥胖和心血管疾病的风险至关重要。尽管有这些指导方针，饮食相关疾病的发病率仍在上升，这可能是由于每个人对食物的反应存在显著差异。因此，迫切需要新的个性化策略作为无效的“一刀切”方法的替代方案。
近年来，研究人员越来越关注个性化营养计划在缓解心血管代谢疾病和促进健康衰老方面的潜力。
食品科学家和营养专家最近实施了AI技术，以促进可持续、环保和个性化的饮食。例如，已经开发出AI驱动的聊天机器人来创建最佳的减肥饮食计划和管理糖尿病，而基于证据的AI虚拟营养师最近也被生成，以回答癌症患者的饮食相关问题。
对于个性化营养，强大的机器学习模型可以支持数字健康系统、可穿戴传感器和移动应用程序，这些现在被监测以评估为个人需求和特征定制的饮食建议的有效性。
然而，现代个性化营养计划似乎低估了影响个体对食物反应的生物学因素的重要性。
当前研究的研究人员评估了基于AI的个性化营养计划六周干预对健康个体微生物群落菌群组成的影响。还评估了饮食引起的宏量营养素水平变化、人体测量和生化特征以及微生物群落微生物的其他修改。
在希腊的Center for Research and Technology (CERTH)招募了29名健康的参与者进行了一项初步研究。在PROTEIN项目框架内，选定的候选人被指导如何使用一个提供保持健康、营养均衡和活跃生活方式指导的智能手机健康应用程序。
PROTEIN移动应用根据一种新型的AI个性化营养顾问提供每日和每周的餐食建议。该基于AI的应用程序考虑用户的饮食偏好、健康状况和身体特征，以建议个性化的适当饮食计划。
在基线（pre-PROTEIN）时，营养师和研究参与者设定了饮食和体力活动（PA）目标，这些目标可以通过积极的生活方式和遵循针对个人特定需求的地中海饮食来实现。个性化营养和PA计划由AI顾问自动生成并通过智能手机上的PROTEIN应用传递给参与者。
在这个时期之后（post-PROTEIN），营养师在随访访问时评估了参与者的进展。
研究队列的平均年龄为35岁，所有人均生活在贫困线以上。大多数研究参与者已婚且不吸烟。在29名个体中，20人超过了推荐的日能量摄入量。
对从29名个体收集的58个样本进行了16S核糖体RNA (rRNA) V3-V4区域的基因组测序。共鉴定出3个门、19个纲、44个目、82个科和231个属。
在基线和六周随访时，Firmicutes和Bacteroidota是主要的微生物群落微生物群。在两个时间点，Prevotella、Bacteroides和Faecalibacterium均频繁出现。然而，与pre-PROTEIN基线水平相比，在post-PROTEIN时间点观察到更高的微生物群落微生物多样性和丰度。
Rhodospirillales是上调幅度最大的扩增子序列变异（ASVs），按显著性排名，其次是Eubacterium coprostanoligenes group和Ruminococcus属。通过宏基因组分析评估了观察到的分类学变化的功能潜力，鉴定了具有名义显著性的12条途径，其中大多数与微生物代谢过程和嘌呤降解有关。
在post-PROTEIN时间点，碳水化合物、蛋白质和总能量摄入显著减少。在干预结束时，酒精/饮料、甜食和快餐的摄入量分别减少了39%、33%和14%。值得注意的是，地中海饮食的依从性在两个时间点之间没有变化。
除了腰围平均值略有但显著减少外，没有观察到明显的人体测量变化。在整个研究队列中，PA水平在pre-和post-PROTEIN期间始终波动。
甜食摄入量的变化与体重、脂肪、臀围和血红蛋白测量值呈正相关。脂肪摄入量与Oscillospiraceae的丰度之间存在强正相关关系。
尿素与Lachnospiraceae之间存在强正相关关系，而胆固醇水平与Oscillibacter之间存在负相关关系。
基于AI的个性化饮食干预具有通过促进健康微生物群落微生物组的繁衍来促进整体健康的潜力。在本研究中，这些微生物群落微生物生态系统的改变导致便秘、腹胀和炎症性肠病症状的减少，同时支持免疫功能。
为了验证这些发现并全面评估基于AI的个性化营养方法的影响，未来的研究需要更长的随访期和更大的样本量。
(全文结束)
声明：本文仅代表作者观点，不代表本站立场，全文内容涉及AI跨语种自动翻译。如有侵权请联系我们删除。