Οι ερευνητές προσπαθούσαν να κατανοήσουν καλύτερα τους δεσμούς μεταξύ «υπερεπεξεργασμένων τροφίμων» και ανθρώπινης υγείας μέσω του προγράμματος Foodome που χρηματοδοτείται από το πανεπιστήμιο. Ως μέρος αυτής της προσπάθειας, ερευνητές του Κέντρου για Σύνθετες Έρευνες Δικτύων ανέπτυξαν τώρα έναν αλγόριθμο μηχανικής μάθησης που λένε ότι προβλέπει με ακρίβεια τον βαθμό επεξεργασίας των προϊόντων διατροφής που αποτελούν την προμήθεια τροφίμων των ΗΠΑ. Τα ευρήματά τους δημοσιεύτηκαν στο Nature Communications τον Απρίλιο.
Ο ταξινομητής μηχανικής μάθησης, που ονομάζεται FoodProX, χρησιμοποιεί πληροφορίες διατροφικής επισήμανσης που παρέχονται από τη βάση δεδομένων τροφίμων και θρεπτικών ουσιών του Υπουργείου Γεωργίας των ΗΠΑ για Διαιτητικές Μελέτες ως εισροές για τη βαθμολογία του επιπέδου επεξεργασίας σε ένα δεδομένο προϊόν διατροφής. Ο αλγόριθμος λειτουργεί παράγοντας ένα αποτέλεσμα που αντιπροσωπεύει την πιθανότητα ότι ένα αντίστοιχο τρόφιμο εμπίπτει σε μία από τις τέσσερις κατηγορίες που αποτελούν μέρος του συστήματος ταξινόμησης τροφίμων NOVA.
Πρόκειται για ένα σύστημα που αναπτύχθηκε από ερευνητές στο Πανεπιστήμιο του Σάο Πάολο της Βραζιλίας, όπως λένε οι ερευνητές χρησιμοποιείται ευρέως σε επιδημιολογικές μελέτες. Οι χρήστες μπορούν να δοκιμάσουν το εργαλείο επισκεπτόμενοι τον ιστότοπο του ερευνητικού έργου TrueFood. Οι χρήστες μπορούν να αναζητήσουν ένα τρόφιμο για να δουν τη βαθμολογία επεξεργασίας τροφίμων του. Ο αλγόριθμος εκχωρεί σε κάθε προϊόν μια ενιαία βαθμολογία μεταξύ μηδέν (που υποδηλώνει «ελάχιστα ή μη επεξεργασμένα» τρόφιμα) και 100 (υπερεπεξεργασμένα τρόφιμα).
Χρησιμοποιώντας το FoodProX, οι ερευνητές μπόρεσαν να γεφυρώσουν τα κενά στη βάση δεδομένων θρεπτικών ουσιών για διαιτητικές μελέτες. ταξινομεί τις “σύνθετες συνταγές και μικτά τρόφιμα και γεύματα”· και παρέχουν έναν φακό υψηλότερης ανάλυσης με τον οποίο μπορείτε να εξετάσετε τα επεξεργασμένα τρόφιμα. Ως αποτέλεσμα, οι ερευνητές σημειώνουν ότι το FoodProX παρέχει μια σαφέστερη κατανόηση του πώς είναι πραγματικά τα επεξεργασμένα τρόφιμα – ένα σημαντικό βήμα για τους ερευνητές που μελετούν τις επιπτώσεις στην υγεία αυτών των τροφίμων.
Οι ερευνητές σημειώνουν πώς το σύστημα NOVA, το οποίο χωρίζει τα τρόφιμα σε τέσσερις ταξινομήσεις, από “μη επεξεργασμένα ή ελάχιστα επεξεργασμένα” έως υπερεπεξεργασμένα, είναι θεμελιωδώς περιοριστικό επειδή δεν λαμβάνει υπόψη τις διαφορετικές διαβαθμίσεις επεξεργασίας σε κάθε ξεχωριστή κατηγορία.
«Αυτή η αντιληπτή ομοιογένεια των τροφίμων NOVA 4 περιορίζει τόσο την επιστημονική έρευνα όσο και την πρακτική καθοδήγηση των καταναλωτών σχετικά με τις επιπτώσεις στην υγεία από διαφορετικούς βαθμούς επεξεργασίας», έγραψαν οι ερευνητές. «Μειώνει επίσης τα κίνητρα του κλάδου να αναδιατυπώσει τα τρόφιμα προς λιγότερο επεξεργασμένα προϊόντα, μετατοπίζοντας τις επενδύσεις από τα εξαιρετικά επεξεργασμένα τρόφιμα NOVA 4 στις λιγότερο επεξεργασμένες κατηγορίες NOVA 1 και NOVA 3».
Αυτό το «δακτυλικό αποτύπωμα» είναι ο τρόπος με τον οποίο οι ερευνητές μπορούν να αποκτήσουν μια εικόνα για το πόσες χημικές αλλοιώσεις έχουν γίνει σε ένα δεδομένο τρόφιμο. «Δεν γνωρίζουμε απαραίτητα ποια είναι όλα τα χημικά αποτυπώματα που σχετίζονται, ένα προς ένα, με κάθε διαδικασία», είπε ο Μενιχέτι στο Northeastern Global News. «Δεν μπορούμε καν να απαριθμήσουμε πόσοι διαφορετικοί τρόποι υπάρχουν για να επεξεργαστούμε ένα τρόφιμο».
Τελικά, το εργαλείο τεχνητής νοημοσύνης επιβεβαίωσε την προηγούμενη διαπίστωση της ομάδας ότι περισσότερο από το 73% του συστήματος τροφίμων των ΗΠΑ είναι υπερεπεξεργασμένο, παρέχοντας παράλληλα ένα επίπεδο λεπτομέρειας που δεν μπορούσε να αποκτηθεί προηγουμένως. Η Menichetti λέει ότι η ομάδα της είναι η πρώτη που δημιούργησε με επιτυχία ένα εργαλείο AI που αξιολογεί αξιόπιστα τη χημική περιεκτικότητα των τροφίμων.
«Είναι η πρώτη εργασία στον χώρο της διατροφής και της δημόσιας υγείας που αξιοποιεί τη μηχανική μάθηση για αναπαραγώγιμη και συστηματική βαθμολογία των τροφίμων ανάλογα με τον βαθμό επεξεργασίας των τροφίμων», λέει. Το έργο της ομάδας είναι σημαντικό γιατί, όπως λέει ο Menichetti, «δεν υπήρχε μεγάλη κουλτούρα δεδομένων» στον τομέα της επιστήμης της διατροφής και της υγείας, καθώς σχετίζεται με την επεξεργασία τροφίμων, η οποία προώθησε λιγότερο επιστημονικά αυστηρές συζητήσεις σχετικά με το τι σημαίνει ακόμη επεξεργασία.
«Όταν δεν έχεις έναν συστηματικό τρόπο να δεις ένα τρόφιμο και να αξιολογήσεις τις ιδιότητές του, τότε είναι δύσκολο να επιτρέψεις μεγάλες μελέτες αλλού στον κόσμο που να είναι συγκρίσιμες», λέει ο Menichetti. «Το FPro μας βοηθά να αξιολογήσουμε την ποιότητα της διατροφής ενός ατόμου, προσφέροντας προγνωστική δύναμη πάνω από 200+ μεταβλητές υγείας», λέει ο Albert-László Barabási, καθηγητής Δικτυακής Επιστήμης Robert Gray Dodge στο Northeastern. «Μας λέει τον αντίκτυπο της αντικατάστασης των επεξεργασμένων τροφίμων με λιγότερο επεξεργασμένες εναλλακτικές του ίδιου προϊόντος, με αποτέλεσμα εξατομικευμένες διατροφικές αλλαγές με ελάχιστη προσπάθεια».