Nature Communications：机器学习预测食品加工程度

撰文：宋方亮

编辑：肖冉

介绍

今天介绍一篇来自美国马萨诸塞州波士顿哈佛医学院Giulia Menichetti等人于2023年4月在线发表在Nature Communications（IF=17.694）上的文章。这篇文章主要介绍了一种基于营养成分的机器学习算法FoodProX，它可以准确预测任何食物的加工程度。文章介绍了该算法的开发过程、使用方法和应用前景，以及超加工食品对健康的影响和减少超加工食品摄入的重要性。文章还探讨了食品分类系统和数据库的使用，以评估饮食模式和其营养质量，并强调了需要转向更健康、更可持续的饮食以改善公共健康。

摘要

尽管越来越多的证据表明，超加工食品的消费增加对健康有不利影响，但仍然很难确定什么是加工食品。事实上，目前以加工为基础的食品分类覆盖范围有限，而且没有区分加工程度，妨碍了消费者的选择，减缓了对加工食品对健康影响的研究。在该研究中引入了一种机器学习算法，可以准确预测任何食品的加工程度，表明超过73%的美国食品供应是超加工的。该研究表明，个人饮食对超加工食品的依赖程度越高，患代谢综合征、糖尿病、心绞痛、血压升高和生物年龄的风险越高，维生素的生物利用度也会降低。最后还发现，用加工程度较低的替代品替代食品可以大大减少超加工食品对健康的影响，这表明获得目前消费者无法获得的有关加工程度的信息，可以改善人口健康。

研究亮点

1. 介绍了一种基于营养成分的机器学习算法FoodProX，可以准确预测各种食物的加工程度，探讨了食物加工程度与健康之间的关系。

2. 通过环境广泛关联研究（EWAS）发现了食物加工程度与代谢和心血管风险之间的关系，这是一种新的研究方法，可以揭示食物加工程度与健康之间的关系。

3. 提出了通过食物替代来改善人们的饮食习惯的可能干预措施，这对于改善人们的饮食结构和促进健康具有重要意义。

4. 引入了FoodProX算法，可以对食物进行更细致的分类和分析，有助于科学研究和实际消费者指导。

5. 诠释了减少超加工食品摄入的重要性，并探讨了食品工业改革的可能性。

图文赏析

图1 食品加工和营养变化(FoodProX)。a，b 100克嫩煎洋葱和洋葱圈与生洋葱的营养浓度比，表明加工如何改变多种营养的浓度。c，d 对FoodProX进行了训练，它是一个随机森林分类器，可以对每种食物100克以内的营养浓度进行分类，让它根据NOVA预测其加工水平。

图2 NOVA分类和处理得分。 a通过概率{pi}的主成分分析来可视化FoodProX的决策空间。b FoodProX在2009-2010年FNDDS中为所有食品指定了NOVA标签。c 根据FPro对2009/2010年FNDDS中的所有食品进行了排名。d 2015-2016年《在美国我们吃什么》( WWEIA)中155种食品类别中至少20种食品的FPro分配。

图3 FoodProX分类器和FPro评分之间联系的示意图

图4 健康影响和食物替代。对于NHANES(1999-2006)的20047名18岁以上有饮食记录的个体，计算了iFProWC的个体饮食处理得分。a饮食访谈中报告的独特菜肴的平均数量。b平均每日热量摄入分布。c iFProWC在NHANES中的分布。d测量的各种表型与iFProWC的关联以及标准化β系数。e当一个(橙色)或多达十个(黄色)菜肴被其较少加工的版本替代时，iFProWC的变化。f 替代不同数量的菜肴对代谢综合征几率、维生素B12、维生素C和双酚a浓度的影响。

结论

在本文中介绍了FPro，这是一种连续加工评分，它以非线性方式将从NOVA手册标签中学到的加工技术特征与来自食品成分数据的营养浓度相结合。FPro源自FoodProX，这是一种分类器，显示出从营养信息中复制手动NOVA分类的非凡能力，证实了NOVA类别会导致不同的营养变化模式，可通过机器学习准确检测。

重要的是，FoodProX允许在几个关键方面建立和扩展当前的NOVA分类，在多个国家和商业数据库中提供自动化和可重复的食品分类，对复杂的食谱和混合食品和膳食进行分类的能力，以及在大型和均匀分类的超加工食品群体中量化食品加工程度的能力。消费者已经可以通过包装、智能手机应用程序、门户网站、杂货店和餐馆网站获得营养成分信息，FPro可以帮助监控个人饮食对加工食品的依赖程度。总的来说，FPro与流行病学研究和食品分类的结合可能会导致一个自动化和实用的管道，能够系统地改善人口饮食和个人健康。

参考文献

Menichetti G, Ravandi B, Mozaffarian D, Barabási AL. Machine learning prediction of the degree of food processing. Nat Commun. 2023;14(1):2312. Published 2023 Apr 21. doi:10.1038/s41467-023-37457-1

长按关注我们

微信号｜FoodAI