Algorithmus für maschinelles Lernen sagt Ultra voraus

02. Mai 2023 – Zuletzt aktualisiert am 02. Mai 2023 um 15:29 GMT

Verwandte Tags Verarbeitung der NOVA-Klassifizierung Ultra-verarbeitete Lebensmittelfunktion sanitize_gpt_value2(gptValue) { var vOut = ""; var aTags = gptValue.split(','); var reg = new RegExp('\\W+', "g"); für (var i=0; i

Das Ausmaß, in dem ein Lebensmittel- oder Getränkeprodukt verarbeitet wird, ist für Interessengruppen – von Ernährungswissenschaftlern über Verbraucher bis hin zu politischen Entscheidungsträgern – von zunehmendem Interesse, die über die Auswirkungen hochverarbeiteter Lebensmittel auf die Gesundheit von Mensch und Planet besorgt sind.

Doch das am weitesten verbreitete System zur Bewertung der Lebensmittelverarbeitung, das NOVA-Klassifizierungssystem, wurde mit der Behauptung kritisiert, seine NOVA 4-Kategorie hochverarbeiteter Lebensmittel sei zu heterogen.

Als Reaktion darauf haben Forscher aus Massachusetts einen Algorithmus für maschinelles Lernen entwickelt, der ihrer Meinung nach auf NOVA „aufbauen“ und „erweitern“ kann, um den Grad der Verarbeitung für jedes Lebensmittel genau vorherzusagen.

Angesichts einer wachsenden Zahl von Studien, die auf Zusammenhänge zwischen hochverarbeiteten Lebensmitteln (UPF) und Gesundheitsrisiken hinweisen, steht der Grad der Lebensmittelverarbeitung im Mittelpunkt.

Die meisten kategorisieren den Grad der Verarbeitung, indem sie sich dem 2009 entwickelten NOVA-System zuwenden. NOVA unterteilt den Grad der Lebensmittelverarbeitung in vier Klassifizierungen: rohe und minimal verarbeitete Lebensmittel; verarbeitete kulinarische Zutaten; verarbeitete Lebensmittel; und hochverarbeitete Lebensmittel.

Obwohl epidemiologische Studien auf der Grundlage der NOVA 4 (UPF)-Klassifizierung wichtige Erkenntnisse erbracht haben, vermuten Forscher der Northeastern University und der Tufts School of Medicine in Boston, dass deren qualitative Natur zu „Inkonsistenzen“ und „Mehrdeutigkeiten“ führen kann. Darüber hinaus glauben sie, dass dadurch die Erforschung der Auswirkungen verarbeiteter Lebensmittel eingeschränkt wird.

Unter den Kritikpunkten stellen die Forscher fest, dass das gesamte beobachtete Risiko für die NOVA-Klassifizierung in der NOVA-4-Klasse liegt, die eine „große und heterogene Kategorie“ hochverarbeiteter Lebensmittel darstellt, die die Fähigkeit der Forscher einschränkt, die gesundheitlichen Auswirkungen verschiedener Abstufungen zu untersuchen der Verarbeitung.

An anderer Stelle wurde das NOVA-System ebenfalls kritisiert. In einer von FoodDrinkEurope veranstalteten Medienbesprechung letzte Woche äußerte Gert Meijer, Vorsitzender der European Technology Platform (ETP) Food for Life und stellvertretender Leiter für regulatorische und wissenschaftliche Unternehmensangelegenheiten bei Nestlé, das Unvermögen der Systeme, „den Zusammenhang zu verstehen“. zwischen Nahrungsaufnahme und Gesundheit.

Edith Feskens, Professorin für globale Ernährung an der Universität Wageningen in den Niederlanden, kritisierte das NOVA-System dafür, dass es nicht zwischen verschiedenen „NOVA 4“-Produkten – wie kohlensäurehaltigen Erfrischungsgetränken und Brot – unterscheiden könne.

Als Reaktion darauf haben sich die Forscher an FoodProx gewandt, einen maschinell lernenden Klassifikator, der darauf trainiert ist, den Grad der Verarbeitung von Lebensmitteln auf reproduzierbare, tragbare und skalierbare Weise vorherzusagen.

FoodProX verlässt sich auf Nährstoffe als Input, was die Forscher damit erklären, dass die Liste der Nährstoffe in einem Lebensmittel weltweit einheitlich reguliert und gemeldet wird; und ihre Mengen in unverarbeiteten Lebensmitteln werden durch physiologische Bereiche begrenzt, die durch die Biochemie bestimmt werden.

Darüber hinaus verändert die Lebensmittelverarbeitung systematisch und reproduzierbar die Nährstoffkonzentrationen durch kombinatorische Veränderungen, die durch maschinelles Lernen erkennbar sind.

FoodProX ermöglicht es den Forschern, einen kontinuierlichen Index (FPro) zu definieren, der den Verarbeitungsgrad eines beliebigen Lebensmittels erfasst. Darüber hinaus hilft es den Forschern, die allgemeine Ernährungsqualität von Einzelpersonen zu quantifizieren und letztendlich die statistischen Korrelationen zwischen dem Grad der Verarbeitung, der einzelne Ernährungsweisen charakterisiert, und mehreren Krankheitsphänotypen aufzudecken.

Die Forscher berechneten individuelle Lebensmittelverarbeitungswerte (iFPro) für mehr als 20.000 Personen mit Ernährungsaufzeichnungen in einer repräsentativen US-amerikanischen Stichprobe von 1999 bis 2006.

Die Ergebnisse deuten darauf hin, dass Personen mit einem hohen Lebensmittelprozess-Score einen positiven Zusammenhang mit dem Risiko eines metabolischen Syndroms, Diabetes und auch einer familiären Vorgeschichte von Herzinfarkt oder Angina pectoris aufweisen.

Personen mit einem höheren Lebensmittelverarbeitungswert wiesen auch einen höheren Blutdruck, ein höheres Rumpffett, höhere Messwerte für Fettleibigkeit, einen höheren Blutinsulinspiegel, einen höheren Triglyceridspiegel und einen niedrigeren „guten“ HDL-Cholesterinspiegel auf.

„Ein höherer Verzehr von stärker verarbeiteten Lebensmitteln korreliert mit einem geringeren Vitamin-B12- und Vitamin-C-Spiegel in unserem Blutkreislauf, obwohl hochverarbeitete Frühstückscerealien und raffiniertes Mehl häufig mit diesen Vitaminen und Mineralstoffen angereichert sind“, bemerkte die Forscher.

Die Forscher glauben, dass FoodProX es ermöglicht, auf der aktuellen NOVA-Klassifizierung aufzubauen und sie zu erweitern, unter anderem durch die Quantifizierung des Ausmaßes der Lebensmittelverarbeitung in den großen und „homogen“ kategorisierten Gruppen hochverarbeiteter Lebensmittel.

„Angesichts der Tatsache, dass unser Algorithmus nur die Nährwertangaben benötigt, Informationen, die den Verbrauchern bereits auf Verpackungen und über Smartphone-Apps, Webportale sowie Websites von Lebensmittelgeschäften und Restaurants zugänglich sind, kann FPro dabei helfen, die Abhängigkeit der Ernährung einer Person von weniger oder mehr verarbeiteten Lebensmitteln zu überwachen. "​

Quelle:​ Nature Communications'Maschinelles Lernen zur Vorhersage des Grads der Lebensmittelverarbeitung'Veröffentlicht am 21. April 2023DOI: https://doi.org/10.1038/s41467-023-37457-1Autoren: Giulia Menichetti, Babak Ravandi, Dariush Mozaffarian und Albert-László Barabási

Urheberrecht – Sofern nicht anders angegeben, unterliegen alle Inhalte dieser Website dem © 2023 – William Reed Ltd – Alle Rechte vorbehalten – Ausführliche Informationen zur Verwendung der Materialien auf dieser Website finden Sie in den Allgemeinen Geschäftsbedingungen

verwandte ThemenWissenschaft, Ernährung und Gesundheit, Neuformulierung, Kennzeichnung von Fetten und Ölen, Lebensmittelkennzeichnung